pintos-os.org Git - pspp/blob - src/language/stats/glm.c

   1 /* PSPP - a program for statistical analysis.
   2    Copyright (C) 2010, 2011, 2012 Free Software Foundation, Inc.
   3
   4    This program is free software: you can redistribute it and/or modify
   5    it under the terms of the GNU General Public License as published by
   6    the Free Software Foundation, either version 3 of the License, or
   7    (at your option) any later version.
   8
   9    This program is distributed in the hope that it will be useful,
  10    but WITHOUT ANY WARRANTY; without even the implied warranty of
  11    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  12    GNU General Public License for more details.
  13
  14    You should have received a copy of the GNU General Public License
  15    along with this program.  If not, see <http://www.gnu.org/licenses/>. */
  16
  17 #include <config.h>
  18
  19 #include <gsl/gsl_cdf.h>
  20 #include <gsl/gsl_matrix.h>
  21 #include <gsl/gsl_combination.h>
  22 #include <math.h>
  23
  24 #include "data/case.h"
  25 #include "data/casegrouper.h"
  26 #include "data/casereader.h"
  27 #include "data/dataset.h"
  28 #include "data/dictionary.h"
  29 #include "data/format.h"
  30 #include "data/value.h"
  31 #include "language/command.h"
  32 #include "language/dictionary/split-file.h"
  33 #include "language/lexer/lexer.h"
  34 #include "language/lexer/value-parser.h"
  35 #include "language/lexer/variable-parser.h"
  36 #include "libpspp/assertion.h"
  37 #include "libpspp/ll.h"
  38 #include "libpspp/message.h"
  39 #include "libpspp/misc.h"
  40 #include "libpspp/taint.h"
  41 #include "linreg/sweep.h"
  42 #include "math/categoricals.h"
  43 #include "math/covariance.h"
  44 #include "math/interaction.h"
  45 #include "math/moments.h"
  46 #include "output/tab.h"
  47
  48 #include "gettext.h"
  49 #define _(msgid) gettext (msgid)
  50
  51 struct glm_spec
  52 {
  53   size_t n_dep_vars;
  54   const struct variable **dep_vars;
  55
  56   size_t n_factor_vars;
  57   const struct variable **factor_vars;
  58
  59   size_t n_interactions;
  60   struct interaction **interactions;
  61
  62   enum mv_class exclude;
  63
  64   /* The weight variable */
  65   const struct variable *wv;
  66
  67   const struct dictionary *dict;
  68
  69   int ss_type;
  70   bool intercept;
  71
  72   double alpha;
  73
  74   bool dump_coding;
  75 };
  76
  77 struct glm_workspace
  78 {
  79   double total_ssq;
  80   struct moments *totals;
  81
  82   struct categoricals *cats;
  83
  84   /*
  85      Sums of squares due to different variables. Element 0 is the SSE
  86      for the entire model. For i > 0, element i is the SS due to
  87      variable i.
  88    */
  89   gsl_vector *ssq;
  90 };
  91
  92
  93 /* Default design: all possible interactions */
  94 static void
  95 design_full (struct glm_spec *glm)
  96 {
  97   int sz;
  98   int i = 0;
  99   glm->n_interactions = (1 << glm->n_factor_vars) - 1;
 100
 101   glm->interactions = xcalloc (glm->n_interactions, sizeof *glm->interactions);
 102
 103   /* All subsets, with exception of the empty set, of [0, glm->n_factor_vars) */
 104   for (sz = 1; sz <= glm->n_factor_vars; ++sz)
 105     {
 106       gsl_combination *c = gsl_combination_calloc (glm->n_factor_vars, sz);
 107
 108       do
 109         {
 110           struct interaction *iact = interaction_create (NULL);
 111           int e;
 112           for (e = 0 ; e < gsl_combination_k (c); ++e)
 113             interaction_add_variable (iact, glm->factor_vars [gsl_combination_get (c, e)]);
 114
 115           glm->interactions[i++] = iact;
 116         }
 117       while (gsl_combination_next (c) == GSL_SUCCESS);
 118
 119       gsl_combination_free (c);
 120     }
 121 }
 122
 123 static void output_glm (const struct glm_spec *,
 124                         const struct glm_workspace *ws);
 125 static void run_glm (struct glm_spec *cmd, struct casereader *input,
 126                      const struct dataset *ds);
 127
 128
 129 static bool parse_design_spec (struct lexer *lexer, struct glm_spec *glm);
 130
 131
 132 int
 133 cmd_glm (struct lexer *lexer, struct dataset *ds)
 134 {
 135   int i;
 136   struct const_var_set *factors = NULL;
 137   struct glm_spec glm;
 138   bool design = false;
 139   glm.dict = dataset_dict (ds);
 140   glm.n_dep_vars = 0;
 141   glm.n_factor_vars = 0;
 142   glm.n_interactions = 0;
 143   glm.interactions = NULL;
 144   glm.dep_vars = NULL;
 145   glm.factor_vars = NULL;
 146   glm.exclude = MV_ANY;
 147   glm.intercept = true;
 148   glm.wv = dict_get_weight (glm.dict);
 149   glm.alpha = 0.05;
 150   glm.dump_coding = false;
 151   glm.ss_type = 3;
 152
 153   if (!parse_variables_const (lexer, glm.dict,
 154                               &glm.dep_vars, &glm.n_dep_vars,
 155                               PV_NO_DUPLICATE | PV_NUMERIC))
 156     goto error;
 157
 158   if (! lex_force_match (lexer, T_BY))
 159     goto error;
 160
 161   if (!parse_variables_const (lexer, glm.dict,
 162                               &glm.factor_vars, &glm.n_factor_vars,
 163                               PV_NO_DUPLICATE | PV_NUMERIC))
 164     goto error;
 165
 166   if (glm.n_dep_vars > 1)
 167     {
 168       msg (ME, _("Multivariate analysis is not yet implemented"));
 169       return CMD_FAILURE;
 170     }
 171
 172   factors =
 173     const_var_set_create_from_array (glm.factor_vars, glm.n_factor_vars);
 174
 175   while (lex_token (lexer) != T_ENDCMD)
 176     {
 177       lex_match (lexer, T_SLASH);
 178
 179       if (lex_match_id (lexer, "MISSING"))
 180         {
 181           lex_match (lexer, T_EQUALS);
 182           while (lex_token (lexer) != T_ENDCMD
 183                  && lex_token (lexer) != T_SLASH)
 184             {
 185               if (lex_match_id (lexer, "INCLUDE"))
 186                 {
 187                   glm.exclude = MV_SYSTEM;
 188                 }
 189               else if (lex_match_id (lexer, "EXCLUDE"))
 190                 {
 191                   glm.exclude = MV_ANY;
 192                 }
 193               else
 194                 {
 195                   lex_error (lexer, NULL);
 196                   goto error;
 197                 }
 198             }
 199         }
 200       else if (lex_match_id (lexer, "INTERCEPT"))
 201         {
 202           lex_match (lexer, T_EQUALS);
 203           while (lex_token (lexer) != T_ENDCMD
 204                  && lex_token (lexer) != T_SLASH)
 205             {
 206               if (lex_match_id (lexer, "INCLUDE"))
 207                 {
 208                   glm.intercept = true;
 209                 }
 210               else if (lex_match_id (lexer, "EXCLUDE"))
 211                 {
 212                   glm.intercept = false;
 213                 }
 214               else
 215                 {
 216                   lex_error (lexer, NULL);
 217                   goto error;
 218                 }
 219             }
 220         }
 221       else if (lex_match_id (lexer, "CRITERIA"))
 222         {
 223           lex_match (lexer, T_EQUALS);
 224           if (lex_match_id (lexer, "ALPHA"))
 225             {
 226               if (lex_force_match (lexer, T_LPAREN))
 227                 {
 228                   if (! lex_force_num (lexer))
 229                     {
 230                       lex_error (lexer, NULL);
 231                       goto error;
 232                     }
 233
 234                   glm.alpha = lex_number (lexer);
 235                   lex_get (lexer);
 236                   if ( ! lex_force_match (lexer, T_RPAREN))
 237                     {
 238                       lex_error (lexer, NULL);
 239                       goto error;
 240                     }
 241                 }
 242             }
 243           else
 244             {
 245               lex_error (lexer, NULL);
 246               goto error;
 247             }
 248         }
 249       else if (lex_match_id (lexer, "METHOD"))
 250         {
 251           lex_match (lexer, T_EQUALS);
 252           if ( !lex_force_match_id (lexer, "SSTYPE"))
 253             {
 254               lex_error (lexer, NULL);
 255               goto error;
 256             }
 257
 258           if ( ! lex_force_match (lexer, T_LPAREN))
 259             {
 260               lex_error (lexer, NULL);
 261               goto error;
 262             }
 263
 264           if ( ! lex_force_int (lexer))
 265             {
 266               lex_error (lexer, NULL);
 267               goto error;
 268             }
 269
 270           glm.ss_type = lex_integer (lexer);
 271           if (1 > glm.ss_type  ||  3 < glm.ss_type )
 272             {
 273               msg (ME, _("Only types 1, 2 & 3 sums of squares are currently implemented"));
 274               goto error;
 275             }
 276
 277           lex_get (lexer);
 278
 279           if ( ! lex_force_match (lexer, T_RPAREN))
 280             {
 281               lex_error (lexer, NULL);
 282               goto error;
 283             }
 284         }
 285       else if (lex_match_id (lexer, "DESIGN"))
 286         {
 287           lex_match (lexer, T_EQUALS);
 288
 289           if (! parse_design_spec (lexer, &glm))
 290             goto error;
 291
 292           if (glm.n_interactions > 0)
 293             design = true;
 294         }
 295       else if (lex_match_id (lexer, "SHOWCODES"))
 296         /* Undocumented debug option */
 297         {
 298           lex_match (lexer, T_EQUALS);
 299
 300           glm.dump_coding = true;
 301         }
 302       else
 303         {
 304           lex_error (lexer, NULL);
 305           goto error;
 306         }
 307     }
 308
 309   if ( ! design )
 310     {
 311       design_full (&glm);
 312     }
 313
 314   {
 315     struct casegrouper *grouper;
 316     struct casereader *group;
 317     bool ok;
 318
 319     grouper = casegrouper_create_splits (proc_open (ds), glm.dict);
 320     while (casegrouper_get_next_group (grouper, &group))
 321       run_glm (&glm, group, ds);
 322     ok = casegrouper_destroy (grouper);
 323     ok = proc_commit (ds) && ok;
 324   }
 325
 326   const_var_set_destroy (factors);
 327   free (glm.factor_vars);
 328   for (i = 0 ; i < glm.n_interactions; ++i)
 329     interaction_destroy (glm.interactions[i]);
 330
 331   free (glm.interactions);
 332   free (glm.dep_vars);
 333
 334
 335   return CMD_SUCCESS;
 336
 337 error:
 338
 339   const_var_set_destroy (factors);
 340   free (glm.factor_vars);
 341   for (i = 0 ; i < glm.n_interactions; ++i)
 342     interaction_destroy (glm.interactions[i]);
 343
 344   free (glm.interactions);
 345   free (glm.dep_vars);
 346
 347   return CMD_FAILURE;
 348 }
 349
 350 static inline bool
 351 not_dropped (size_t j, const bool *ff)
 352 {
 353   return ! ff[j];
 354 }
 355
 356 static void
 357 fill_submatrix (const gsl_matrix * cov, gsl_matrix * submatrix, bool *dropped_f)
 358 {
 359   size_t i;
 360   size_t j;
 361   size_t n = 0;
 362   size_t m = 0;
 363
 364   for (i = 0; i < cov->size1; i++)
 365     {
 366       if (not_dropped (i, dropped_f))
 367         {
 368           m = 0;
 369           for (j = 0; j < cov->size2; j++)
 370             {
 371               if (not_dropped (j, dropped_f))
 372                 {
 373                   gsl_matrix_set (submatrix, n, m,
 374                                   gsl_matrix_get (cov, i, j));
 375                   m++;
 376                 }
 377             }
 378           n++;
 379         }
 380     }
 381 }
 382
 383
 384 /*
 385    Type 1 sums of squares.
 386    Populate SSQ with the Type 1 sums of squares according to COV
 387  */
 388 static void
 389 ssq_type1 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 390 {
 391   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 392   size_t i;
 393   size_t k;
 394   bool *model_dropped = xcalloc (covariance_dim (cov), sizeof (*model_dropped));
 395   bool *submodel_dropped = xcalloc (covariance_dim (cov), sizeof (*submodel_dropped));
 396   const struct categoricals *cats = covariance_get_categoricals (cov);
 397
 398   size_t n_dropped_model = 0;
 399   size_t n_dropped_submodel = 0;
 400
 401   for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 402     {
 403       n_dropped_model++;
 404       n_dropped_submodel++;
 405       model_dropped[i] = true;
 406       submodel_dropped[i] = true;
 407     }
 408
 409   for (k = 0; k < cmd->n_interactions; k++)
 410     {
 411       gsl_matrix *model_cov = NULL;
 412       gsl_matrix *submodel_cov = NULL;
 413
 414       n_dropped_submodel = n_dropped_model;
 415       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 416         {
 417           submodel_dropped[i] = model_dropped[i];
 418         }
 419
 420       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 421         {
 422           const struct interaction * x =
 423             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 424
 425           if ( x == cmd->interactions [k])
 426             {
 427               model_dropped[i] = false;
 428               n_dropped_model--;
 429             }
 430         }
 431
 432       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 433       submodel_cov = gsl_matrix_alloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
 434
 435       fill_submatrix (cm, model_cov,    model_dropped);
 436       fill_submatrix (cm, submodel_cov, submodel_dropped);
 437
 438       reg_sweep (model_cov, 0);
 439       reg_sweep (submodel_cov, 0);
 440
 441       gsl_vector_set (ssq, k + 1,
 442                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
 443                       );
 444
 445       gsl_matrix_free (model_cov);
 446       gsl_matrix_free (submodel_cov);
 447     }
 448
 449   free (model_dropped);
 450   free (submodel_dropped);
 451 }
 452
 453 /*
 454    Type 2 sums of squares.
 455    Populate SSQ with the Type 2 sums of squares according to COV
 456  */
 457 static void
 458 ssq_type2 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 459 {
 460   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 461   size_t i;
 462   size_t k;
 463   bool *model_dropped = xcalloc (covariance_dim (cov), sizeof (*model_dropped));
 464   bool *submodel_dropped = xcalloc (covariance_dim (cov), sizeof (*submodel_dropped));
 465   const struct categoricals *cats = covariance_get_categoricals (cov);
 466
 467   for (k = 0; k < cmd->n_interactions; k++)
 468     {
 469       gsl_matrix *model_cov = NULL;
 470       gsl_matrix *submodel_cov = NULL;
 471       size_t n_dropped_model = 0;
 472       size_t n_dropped_submodel = 0;
 473       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 474         {
 475           const struct interaction * x =
 476             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 477
 478           model_dropped[i] = false;
 479           submodel_dropped[i] = false;
 480           if (interaction_is_subset (cmd->interactions [k], x))
 481             {
 482               assert (n_dropped_submodel < covariance_dim (cov));
 483               n_dropped_submodel++;
 484               submodel_dropped[i] = true;
 485
 486               if ( cmd->interactions [k]->n_vars < x->n_vars)
 487                 {
 488                   assert (n_dropped_model < covariance_dim (cov));
 489                   n_dropped_model++;
 490                   model_dropped[i] = true;
 491                 }
 492             }
 493         }
 494
 495       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 496       submodel_cov = gsl_matrix_alloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
 497
 498       fill_submatrix (cm, model_cov,    model_dropped);
 499       fill_submatrix (cm, submodel_cov, submodel_dropped);
 500
 501       reg_sweep (model_cov, 0);
 502       reg_sweep (submodel_cov, 0);
 503
 504       gsl_vector_set (ssq, k + 1,
 505                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
 506                       );
 507
 508       gsl_matrix_free (model_cov);
 509       gsl_matrix_free (submodel_cov);
 510     }
 511
 512   free (model_dropped);
 513   free (submodel_dropped);
 514 }
 515
 516 /*
 517    Type 3 sums of squares.
 518    Populate SSQ with the Type 2 sums of squares according to COV
 519  */
 520 static void
 521 ssq_type3 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 522 {
 523   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 524   size_t i;
 525   size_t k;
 526   bool *model_dropped = xcalloc (covariance_dim (cov), sizeof (*model_dropped));
 527   bool *submodel_dropped = xcalloc (covariance_dim (cov), sizeof (*submodel_dropped));
 528   const struct categoricals *cats = covariance_get_categoricals (cov);
 529
 530   double ss0;
 531   gsl_matrix *submodel_cov = gsl_matrix_alloc (cm->size1, cm->size2);
 532   fill_submatrix (cm, submodel_cov, submodel_dropped);
 533   reg_sweep (submodel_cov, 0);
 534   ss0 = gsl_matrix_get (submodel_cov, 0, 0);
 535   gsl_matrix_free (submodel_cov);
 536   free (submodel_dropped);
 537
 538   for (k = 0; k < cmd->n_interactions; k++)
 539     {
 540       gsl_matrix *model_cov = NULL;
 541       size_t n_dropped_model = 0;
 542
 543       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 544         {
 545           const struct interaction * x =
 546             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 547
 548           model_dropped[i] = false;
 549
 550           if ( cmd->interactions [k] == x)
 551             {
 552               assert (n_dropped_model < covariance_dim (cov));
 553               n_dropped_model++;
 554               model_dropped[i] = true;
 555             }
 556         }
 557
 558       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 559
 560       fill_submatrix (cm, model_cov,    model_dropped);
 561
 562       reg_sweep (model_cov, 0);
 563
 564       gsl_vector_set (ssq, k + 1,
 565                       gsl_matrix_get (model_cov, 0, 0) - ss0);
 566
 567       gsl_matrix_free (model_cov);
 568     }
 569   free (model_dropped);
 570 }
 571
 572
 573
 574 //static  void dump_matrix (const gsl_matrix *m);
 575
 576 static void
 577 run_glm (struct glm_spec *cmd, struct casereader *input,
 578          const struct dataset *ds)
 579 {
 580   bool warn_bad_weight = true;
 581   int v;
 582   struct taint *taint;
 583   struct dictionary *dict = dataset_dict (ds);
 584   struct casereader *reader;
 585   struct ccase *c;
 586
 587   struct glm_workspace ws;
 588   struct covariance *cov;
 589
 590   input  = casereader_create_filter_missing (input,
 591                                              cmd->dep_vars, cmd->n_dep_vars,
 592                                              cmd->exclude,
 593                                              NULL,  NULL);
 594
 595   input  = casereader_create_filter_missing (input,
 596                                              cmd->factor_vars, cmd->n_factor_vars,
 597                                              cmd->exclude,
 598                                              NULL,  NULL);
 599
 600   ws.cats = categoricals_create (cmd->interactions, cmd->n_interactions,
 601                                  cmd->wv, MV_ANY);
 602
 603   cov = covariance_2pass_create (cmd->n_dep_vars, cmd->dep_vars,
 604                                  ws.cats, cmd->wv, cmd->exclude, true);
 605
 606
 607   c = casereader_peek (input, 0);
 608   if (c == NULL)
 609     {
 610       casereader_destroy (input);
 611       return;
 612     }
 613   output_split_file_values (ds, c);
 614   case_unref (c);
 615
 616   taint = taint_clone (casereader_get_taint (input));
 617
 618   ws.totals = moments_create (MOMENT_VARIANCE);
 619
 620   for (reader = casereader_clone (input);
 621        (c = casereader_read (reader)) != NULL; case_unref (c))
 622     {
 623       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
 624
 625       for (v = 0; v < cmd->n_dep_vars; ++v)
 626         moments_pass_one (ws.totals, case_data (c, cmd->dep_vars[v])->f,
 627                           weight);
 628
 629       covariance_accumulate_pass1 (cov, c);
 630     }
 631   casereader_destroy (reader);
 632
 633   if (cmd->dump_coding)
 634     reader = casereader_clone (input);
 635   else
 636     reader = input;
 637
 638   for (;
 639        (c = casereader_read (reader)) != NULL; case_unref (c))
 640     {
 641       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
 642
 643       for (v = 0; v < cmd->n_dep_vars; ++v)
 644         moments_pass_two (ws.totals, case_data (c, cmd->dep_vars[v])->f,
 645                           weight);
 646
 647       covariance_accumulate_pass2 (cov, c);
 648     }
 649   casereader_destroy (reader);
 650
 651
 652   if (cmd->dump_coding)
 653     {
 654       struct tab_table *t =
 655         covariance_dump_enc_header (cov,
 656                                     1 + casereader_count_cases (input));
 657       for (reader = input;
 658            (c = casereader_read (reader)) != NULL; case_unref (c))
 659         {
 660           covariance_dump_enc (cov, c, t);
 661         }
 662       casereader_destroy (reader);
 663       tab_submit (t);
 664     }
 665
 666   {
 667     const gsl_matrix *ucm = covariance_calculate_unnormalized (cov);
 668     gsl_matrix *cm = gsl_matrix_alloc (ucm->size1, ucm->size2);
 669     gsl_matrix_memcpy (cm, ucm);
 670
 671     //    dump_matrix (cm);
 672
 673     ws.total_ssq = gsl_matrix_get (cm, 0, 0);
 674
 675     reg_sweep (cm, 0);
 676
 677     /*
 678       Store the overall SSE.
 679     */
 680     ws.ssq = gsl_vector_alloc (cm->size1);
 681     gsl_vector_set (ws.ssq, 0, gsl_matrix_get (cm, 0, 0));
 682     switch (cmd->ss_type)
 683       {
 684       case 1:
 685         ssq_type1 (cov, ws.ssq, cmd);
 686         break;
 687       case 2:
 688         ssq_type2 (cov, ws.ssq, cmd);
 689         break;
 690       case 3:
 691         ssq_type3 (cov, ws.ssq, cmd);
 692         break;
 693       default:
 694         NOT_REACHED ();
 695         break;
 696       }
 697     //    dump_matrix (cm);
 698     gsl_matrix_free (cm);
 699   }
 700
 701   if (!taint_has_tainted_successor (taint))
 702     output_glm (cmd, &ws);
 703
 704   gsl_vector_free (ws.ssq);
 705
 706   covariance_destroy (cov);
 707   moments_destroy (ws.totals);
 708
 709   taint_destroy (taint);
 710 }
 711
 712 static const char *roman[] =
 713   {
 714     "", /* The Romans had no concept of zero */
 715     "I",
 716     "II",
 717     "III",
 718     "IV"
 719   };
 720
 721 static void
 722 output_glm (const struct glm_spec *cmd, const struct glm_workspace *ws)
 723 {
 724   const struct fmt_spec *wfmt =
 725     cmd->wv ? var_get_print_format (cmd->wv) : &F_8_0;
 726
 727   double intercept_ssq;
 728   double ssq_effects;
 729   double n_total, mean;
 730   double df_corr = 1.0;
 731   double mse = 0;
 732
 733   int f;
 734   int r;
 735   const int heading_columns = 1;
 736   const int heading_rows = 1;
 737   struct tab_table *t;
 738
 739   const int nc = 6;
 740   int nr = heading_rows + 3 + cmd->n_interactions;
 741   if (cmd->intercept)
 742     nr += 2;
 743
 744   t = tab_create (nc, nr);
 745   tab_set_format (t, RC_WEIGHT, wfmt);
 746   tab_title (t, _("Tests of Between-Subjects Effects"));
 747
 748   tab_headers (t, heading_columns, 0, heading_rows, 0);
 749
 750   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, nc - 1, nr - 1);
 751
 752   tab_hline (t, TAL_2, 0, nc - 1, heading_rows);
 753   tab_vline (t, TAL_2, heading_columns, 0, nr - 1);
 754
 755   tab_text (t, 0, 0, TAB_CENTER | TAT_TITLE, _("Source"));
 756
 757   /* TRANSLATORS: The parameter is a roman numeral */
 758   tab_text_format (t, 1, 0, TAB_CENTER | TAT_TITLE,
 759                    _("Type %s Sum of Squares"),
 760                    roman[cmd->ss_type]);
 761   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("df"));
 762   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("Mean Square"));
 763   tab_text (t, 4, 0, TAB_CENTER | TAT_TITLE, _("F"));
 764   tab_text (t, 5, 0, TAB_CENTER | TAT_TITLE, _("Sig."));
 765
 766   moments_calculate (ws->totals, &n_total, &mean, NULL, NULL, NULL);
 767
 768   df_corr += categoricals_df_total (ws->cats);
 769
 770   r = heading_rows;
 771   if (cmd->intercept)
 772     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Corrected Model"));
 773   else
 774     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Model"));
 775
 776   r++;
 777
 778   mse = gsl_vector_get (ws->ssq, 0) / (n_total - df_corr);
 779
 780   intercept_ssq = pow2 (mean * n_total) / n_total;
 781
 782   ssq_effects = 0.0;
 783   if (cmd->intercept)
 784     {
 785       const double df = 1.0;
 786       const double F = intercept_ssq / df / mse;
 787       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Intercept"));
 788       /* The intercept for unbalanced models is of limited use and
 789          nobody knows how to calculate it properly */
 790       if (categoricals_isbalanced (ws->cats))
 791         {
 792           tab_double (t, 1, r, 0, intercept_ssq, NULL, RC_OTHER);
 793           tab_double (t, 2, r, 0, 1.00, NULL, RC_WEIGHT);
 794           tab_double (t, 3, r, 0, intercept_ssq / df, NULL, RC_OTHER);
 795           tab_double (t, 4, r, 0, F, NULL, RC_OTHER);
 796           tab_double (t, 5, r, 0, gsl_cdf_fdist_Q (F, df, n_total - df_corr),
 797                       NULL, RC_PVALUE);
 798         }
 799       r++;
 800     }
 801
 802   for (f = 0; f < cmd->n_interactions; ++f)
 803     {
 804       struct string str = DS_EMPTY_INITIALIZER;
 805       double df = categoricals_df (ws->cats, f);
 806
 807       double ssq = gsl_vector_get (ws->ssq, f + 1);
 808       double F;
 809
 810       ssq_effects += ssq;
 811
 812       if (! cmd->intercept)
 813         {
 814           df++;
 815           ssq += intercept_ssq;
 816         }
 817
 818       F = ssq / df / mse;
 819       interaction_to_string (cmd->interactions[f], &str);
 820       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, ds_cstr (&str));
 821       ds_destroy (&str);
 822
 823       tab_double (t, 1, r, 0, ssq, NULL, RC_OTHER);
 824       tab_double (t, 2, r, 0, df, NULL, RC_WEIGHT);
 825       tab_double (t, 3, r, 0, ssq / df, NULL, RC_OTHER);
 826       tab_double (t, 4, r, 0, F, NULL, RC_OTHER);
 827
 828       tab_double (t, 5, r, 0, gsl_cdf_fdist_Q (F, df, n_total - df_corr),
 829                   NULL, RC_PVALUE);
 830       r++;
 831     }
 832
 833   {
 834     /* Model / Corrected Model */
 835     double df = df_corr;
 836     double ssq = ws->total_ssq - gsl_vector_get (ws->ssq, 0);
 837     double F;
 838
 839     if ( cmd->intercept )
 840       df --;
 841     else
 842       ssq += intercept_ssq;
 843
 844     F = ssq / df / mse;
 845     tab_double (t, 1, heading_rows, 0, ssq, NULL, RC_OTHER);
 846     tab_double (t, 2, heading_rows, 0, df, NULL, RC_WEIGHT);
 847     tab_double (t, 3, heading_rows, 0, ssq / df, NULL, RC_OTHER);
 848     tab_double (t, 4, heading_rows, 0, F, NULL, RC_OTHER);
 849
 850     tab_double (t, 5, heading_rows, 0,
 851                 gsl_cdf_fdist_Q (F, df, n_total - df_corr), NULL, RC_PVALUE);
 852   }
 853
 854   {
 855     const double df = n_total - df_corr;
 856     const double ssq = gsl_vector_get (ws->ssq, 0);
 857     const double mse = ssq / df;
 858     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Error"));
 859     tab_double (t, 1, r, 0, ssq, NULL, RC_OTHER);
 860     tab_double (t, 2, r, 0, df, NULL, RC_WEIGHT);
 861     tab_double (t, 3, r++, 0, mse, NULL, RC_OTHER);
 862   }
 863
 864   {
 865     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Total"));
 866     tab_double (t, 1, r, 0, ws->total_ssq + intercept_ssq, NULL, RC_OTHER);
 867     tab_double (t, 2, r, 0, n_total, NULL, RC_WEIGHT);
 868
 869     r++;
 870   }
 871
 872   if (cmd->intercept)
 873     {
 874       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Corrected Total"));
 875       tab_double (t, 1, r, 0, ws->total_ssq, NULL, RC_OTHER);
 876       tab_double (t, 2, r, 0, n_total - 1.0, NULL, RC_WEIGHT);
 877     }
 878
 879   tab_submit (t);
 880 }
 881
 882 #if 0
 883 static void
 884 dump_matrix (const gsl_matrix * m)
 885 {
 886   size_t i, j;
 887   for (i = 0; i < m->size1; ++i)
 888     {
 889       for (j = 0; j < m->size2; ++j)
 890         {
 891           double x = gsl_matrix_get (m, i, j);
 892           printf ("%.3f ", x);
 893         }
 894       printf ("\n");
 895     }
 896   printf ("\n");
 897 }
 898 #endif
 899
 900
 901 \f
 902 static bool
 903 parse_nested_variable (struct lexer *lexer, struct glm_spec *glm)
 904 {
 905   const struct variable *v = NULL;
 906   if ( ! lex_match_variable (lexer, glm->dict, &v))
 907     return false;
 908
 909   if (lex_match (lexer, T_LPAREN))
 910     {
 911       if ( ! parse_nested_variable (lexer, glm))
 912         return false;
 913
 914       if ( ! lex_force_match (lexer, T_RPAREN))
 915         return false;
 916     }
 917
 918   lex_error (lexer, "Nested variables are not yet implemented"); return false;
 919   return true;
 920 }
 921
 922 /* A design term is an interaction OR a nested variable */
 923 static bool
 924 parse_design_term (struct lexer *lexer, struct glm_spec *glm)
 925 {
 926   struct interaction *iact = NULL;
 927   if (parse_design_interaction (lexer, glm->dict, &iact))
 928     {
 929       /* Interaction parsing successful.  Add to list of interactions */
 930       glm->interactions = xrealloc (glm->interactions, sizeof *glm->interactions * ++glm->n_interactions);
 931       glm->interactions[glm->n_interactions - 1] = iact;
 932       return true;
 933     }
 934
 935   if ( parse_nested_variable (lexer, glm))
 936     return true;
 937
 938   return false;
 939 }
 940
 941
 942
 943 /* Parse a complete DESIGN specification.
 944    A design spec is a design term, optionally followed by a comma,
 945    and another design spec.
 946 */
 947 static bool
 948 parse_design_spec (struct lexer *lexer, struct glm_spec *glm)
 949 {
 950   if  (lex_token (lexer) == T_ENDCMD || lex_token (lexer) == T_SLASH)
 951     return true;
 952
 953   if ( ! parse_design_term (lexer, glm))
 954     return false;
 955
 956   lex_match (lexer, T_COMMA);
 957
 958   return parse_design_spec (lexer, glm);
 959 }
 960