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/pivot-table.h"
  47
  48 #include "gettext.h"
  49 #define N_(msgid) msgid
  50 #define _(msgid) gettext (msgid)
  51
  52 struct glm_spec
  53 {
  54   size_t n_dep_vars;
  55   const struct variable **dep_vars;
  56
  57   size_t n_factor_vars;
  58   const struct variable **factor_vars;
  59
  60   size_t n_interactions;
  61   struct interaction **interactions;
  62
  63   enum mv_class exclude;
  64
  65   /* The weight variable */
  66   const struct variable *wv;
  67
  68   const struct dictionary *dict;
  69
  70   int ss_type;
  71   bool intercept;
  72
  73   double alpha;
  74
  75   bool dump_coding;
  76 };
  77
  78 struct glm_workspace
  79 {
  80   double total_ssq;
  81   struct moments *totals;
  82
  83   struct categoricals *cats;
  84
  85   /*
  86      Sums of squares due to different variables. Element 0 is the SSE
  87      for the entire model. For i > 0, element i is the SS due to
  88      variable i.
  89    */
  90   gsl_vector *ssq;
  91 };
  92
  93
  94 /* Default design: all possible interactions */
  95 static void
  96 design_full (struct glm_spec *glm)
  97 {
  98   int sz;
  99   int i = 0;
 100   glm->n_interactions = (1 << glm->n_factor_vars) - 1;
 101
 102   glm->interactions = xcalloc (glm->n_interactions, sizeof *glm->interactions);
 103
 104   /* All subsets, with exception of the empty set, of [0, glm->n_factor_vars) */
 105   for (sz = 1; sz <= glm->n_factor_vars; ++sz)
 106     {
 107       gsl_combination *c = gsl_combination_calloc (glm->n_factor_vars, sz);
 108
 109       do
 110         {
 111           struct interaction *iact = interaction_create (NULL);
 112           int e;
 113           for (e = 0 ; e < gsl_combination_k (c); ++e)
 114             interaction_add_variable (iact, glm->factor_vars [gsl_combination_get (c, e)]);
 115
 116           glm->interactions[i++] = iact;
 117         }
 118       while (gsl_combination_next (c) == GSL_SUCCESS);
 119
 120       gsl_combination_free (c);
 121     }
 122 }
 123
 124 static void output_glm (const struct glm_spec *,
 125                         const struct glm_workspace *ws);
 126 static void run_glm (struct glm_spec *cmd, struct casereader *input,
 127                      const struct dataset *ds);
 128
 129
 130 static bool parse_design_spec (struct lexer *lexer, struct glm_spec *glm);
 131
 132
 133 int
 134 cmd_glm (struct lexer *lexer, struct dataset *ds)
 135 {
 136   int i;
 137   struct const_var_set *factors = NULL;
 138   struct glm_spec glm;
 139   bool design = false;
 140   glm.dict = dataset_dict (ds);
 141   glm.n_dep_vars = 0;
 142   glm.n_factor_vars = 0;
 143   glm.n_interactions = 0;
 144   glm.interactions = NULL;
 145   glm.dep_vars = NULL;
 146   glm.factor_vars = NULL;
 147   glm.exclude = MV_ANY;
 148   glm.intercept = true;
 149   glm.wv = dict_get_weight (glm.dict);
 150   glm.alpha = 0.05;
 151   glm.dump_coding = false;
 152   glm.ss_type = 3;
 153
 154   if (!parse_variables_const (lexer, glm.dict,
 155                               &glm.dep_vars, &glm.n_dep_vars,
 156                               PV_NO_DUPLICATE | PV_NUMERIC))
 157     goto error;
 158
 159   if (! lex_force_match (lexer, T_BY))
 160     goto error;
 161
 162   if (!parse_variables_const (lexer, glm.dict,
 163                               &glm.factor_vars, &glm.n_factor_vars,
 164                               PV_NO_DUPLICATE | PV_NUMERIC))
 165     goto error;
 166
 167   if (glm.n_dep_vars > 1)
 168     {
 169       msg (ME, _("Multivariate analysis is not yet implemented"));
 170       return CMD_FAILURE;
 171     }
 172
 173   factors =
 174     const_var_set_create_from_array (glm.factor_vars, glm.n_factor_vars);
 175
 176   while (lex_token (lexer) != T_ENDCMD)
 177     {
 178       lex_match (lexer, T_SLASH);
 179
 180       if (lex_match_id (lexer, "MISSING"))
 181         {
 182           lex_match (lexer, T_EQUALS);
 183           while (lex_token (lexer) != T_ENDCMD
 184                  && lex_token (lexer) != T_SLASH)
 185             {
 186               if (lex_match_id (lexer, "INCLUDE"))
 187                 {
 188                   glm.exclude = MV_SYSTEM;
 189                 }
 190               else if (lex_match_id (lexer, "EXCLUDE"))
 191                 {
 192                   glm.exclude = MV_ANY;
 193                 }
 194               else
 195                 {
 196                   lex_error (lexer, NULL);
 197                   goto error;
 198                 }
 199             }
 200         }
 201       else if (lex_match_id (lexer, "INTERCEPT"))
 202         {
 203           lex_match (lexer, T_EQUALS);
 204           while (lex_token (lexer) != T_ENDCMD
 205                  && lex_token (lexer) != T_SLASH)
 206             {
 207               if (lex_match_id (lexer, "INCLUDE"))
 208                 {
 209                   glm.intercept = true;
 210                 }
 211               else if (lex_match_id (lexer, "EXCLUDE"))
 212                 {
 213                   glm.intercept = false;
 214                 }
 215               else
 216                 {
 217                   lex_error (lexer, NULL);
 218                   goto error;
 219                 }
 220             }
 221         }
 222       else if (lex_match_id (lexer, "CRITERIA"))
 223         {
 224           lex_match (lexer, T_EQUALS);
 225           if (lex_match_id (lexer, "ALPHA"))
 226             {
 227               if (lex_force_match (lexer, T_LPAREN))
 228                 {
 229                   if (! lex_force_num (lexer))
 230                     {
 231                       lex_error (lexer, NULL);
 232                       goto error;
 233                     }
 234
 235                   glm.alpha = lex_number (lexer);
 236                   lex_get (lexer);
 237                   if (! lex_force_match (lexer, T_RPAREN))
 238                     {
 239                       lex_error (lexer, NULL);
 240                       goto error;
 241                     }
 242                 }
 243             }
 244           else
 245             {
 246               lex_error (lexer, NULL);
 247               goto error;
 248             }
 249         }
 250       else if (lex_match_id (lexer, "METHOD"))
 251         {
 252           lex_match (lexer, T_EQUALS);
 253           if (!lex_force_match_id (lexer, "SSTYPE"))
 254             {
 255               lex_error (lexer, NULL);
 256               goto error;
 257             }
 258
 259           if (! lex_force_match (lexer, T_LPAREN))
 260             {
 261               lex_error (lexer, NULL);
 262               goto error;
 263             }
 264
 265           if (!lex_force_int_range (lexer, "SSTYPE", 1, 3))
 266             {
 267               lex_error (lexer, NULL);
 268               goto error;
 269             }
 270
 271           glm.ss_type = lex_integer (lexer);
 272           lex_get (lexer);
 273
 274           if (! lex_force_match (lexer, T_RPAREN))
 275             {
 276               lex_error (lexer, NULL);
 277               goto error;
 278             }
 279         }
 280       else if (lex_match_id (lexer, "DESIGN"))
 281         {
 282           lex_match (lexer, T_EQUALS);
 283
 284           if (! parse_design_spec (lexer, &glm))
 285             goto error;
 286
 287           if (glm.n_interactions > 0)
 288             design = true;
 289         }
 290       else if (lex_match_id (lexer, "SHOWCODES"))
 291         /* Undocumented debug option */
 292         {
 293           lex_match (lexer, T_EQUALS);
 294
 295           glm.dump_coding = true;
 296         }
 297       else
 298         {
 299           lex_error (lexer, NULL);
 300           goto error;
 301         }
 302     }
 303
 304   if (! design)
 305     {
 306       design_full (&glm);
 307     }
 308
 309   {
 310     struct casegrouper *grouper;
 311     struct casereader *group;
 312     bool ok;
 313
 314     grouper = casegrouper_create_splits (proc_open (ds), glm.dict);
 315     while (casegrouper_get_next_group (grouper, &group))
 316       run_glm (&glm, group, ds);
 317     ok = casegrouper_destroy (grouper);
 318     ok = proc_commit (ds) && ok;
 319   }
 320
 321   const_var_set_destroy (factors);
 322   free (glm.factor_vars);
 323   for (i = 0 ; i < glm.n_interactions; ++i)
 324     interaction_destroy (glm.interactions[i]);
 325
 326   free (glm.interactions);
 327   free (glm.dep_vars);
 328
 329
 330   return CMD_SUCCESS;
 331
 332 error:
 333
 334   const_var_set_destroy (factors);
 335   free (glm.factor_vars);
 336   for (i = 0 ; i < glm.n_interactions; ++i)
 337     interaction_destroy (glm.interactions[i]);
 338
 339   free (glm.interactions);
 340   free (glm.dep_vars);
 341
 342   return CMD_FAILURE;
 343 }
 344
 345 static inline bool
 346 not_dropped (size_t j, const bool *ff)
 347 {
 348   return ! ff[j];
 349 }
 350
 351 static void
 352 fill_submatrix (const gsl_matrix * cov, gsl_matrix * submatrix, bool *dropped_f)
 353 {
 354   size_t i;
 355   size_t j;
 356   size_t n = 0;
 357   size_t m = 0;
 358
 359   for (i = 0; i < cov->size1; i++)
 360     {
 361       if (not_dropped (i, dropped_f))
 362         {
 363           m = 0;
 364           for (j = 0; j < cov->size2; j++)
 365             {
 366               if (not_dropped (j, dropped_f))
 367                 {
 368                   gsl_matrix_set (submatrix, n, m,
 369                                   gsl_matrix_get (cov, i, j));
 370                   m++;
 371                 }
 372             }
 373           n++;
 374         }
 375     }
 376 }
 377
 378
 379 /*
 380    Type 1 sums of squares.
 381    Populate SSQ with the Type 1 sums of squares according to COV
 382  */
 383 static void
 384 ssq_type1 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 385 {
 386   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 387   size_t i;
 388   size_t k;
 389   bool *model_dropped = XCALLOC (covariance_dim (cov), bool);
 390   bool *submodel_dropped = XCALLOC (covariance_dim (cov), bool);
 391   const struct categoricals *cats = covariance_get_categoricals (cov);
 392
 393   size_t n_dropped_model = 0;
 394   size_t n_dropped_submodel = 0;
 395
 396   for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 397     {
 398       n_dropped_model++;
 399       n_dropped_submodel++;
 400       model_dropped[i] = true;
 401       submodel_dropped[i] = true;
 402     }
 403
 404   for (k = 0; k < cmd->n_interactions; k++)
 405     {
 406       gsl_matrix *model_cov = NULL;
 407       gsl_matrix *submodel_cov = NULL;
 408
 409       n_dropped_submodel = n_dropped_model;
 410       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 411         {
 412           submodel_dropped[i] = model_dropped[i];
 413         }
 414
 415       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 416         {
 417           const struct interaction * x =
 418             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 419
 420           if (x == cmd->interactions [k])
 421             {
 422               model_dropped[i] = false;
 423               n_dropped_model--;
 424             }
 425         }
 426
 427       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 428       submodel_cov = gsl_matrix_alloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
 429
 430       fill_submatrix (cm, model_cov,    model_dropped);
 431       fill_submatrix (cm, submodel_cov, submodel_dropped);
 432
 433       reg_sweep (model_cov, 0);
 434       reg_sweep (submodel_cov, 0);
 435
 436       gsl_vector_set (ssq, k + 1,
 437                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
 438                 );
 439
 440       gsl_matrix_free (model_cov);
 441       gsl_matrix_free (submodel_cov);
 442     }
 443
 444   free (model_dropped);
 445   free (submodel_dropped);
 446 }
 447
 448 /*
 449    Type 2 sums of squares.
 450    Populate SSQ with the Type 2 sums of squares according to COV
 451  */
 452 static void
 453 ssq_type2 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 454 {
 455   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 456   size_t i;
 457   size_t k;
 458   bool *model_dropped = XCALLOC (covariance_dim (cov), bool);
 459   bool *submodel_dropped = XCALLOC (covariance_dim (cov), bool);
 460   const struct categoricals *cats = covariance_get_categoricals (cov);
 461
 462   for (k = 0; k < cmd->n_interactions; k++)
 463     {
 464       gsl_matrix *model_cov = NULL;
 465       gsl_matrix *submodel_cov = NULL;
 466       size_t n_dropped_model = 0;
 467       size_t n_dropped_submodel = 0;
 468       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 469         {
 470           const struct interaction * x =
 471             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 472
 473           model_dropped[i] = false;
 474           submodel_dropped[i] = false;
 475           if (interaction_is_subset (cmd->interactions [k], x))
 476             {
 477               assert (n_dropped_submodel < covariance_dim (cov));
 478               n_dropped_submodel++;
 479               submodel_dropped[i] = true;
 480
 481               if (cmd->interactions [k]->n_vars < x->n_vars)
 482                 {
 483                   assert (n_dropped_model < covariance_dim (cov));
 484                   n_dropped_model++;
 485                   model_dropped[i] = true;
 486                 }
 487             }
 488         }
 489
 490       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 491       submodel_cov = gsl_matrix_alloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
 492
 493       fill_submatrix (cm, model_cov,    model_dropped);
 494       fill_submatrix (cm, submodel_cov, submodel_dropped);
 495
 496       reg_sweep (model_cov, 0);
 497       reg_sweep (submodel_cov, 0);
 498
 499       gsl_vector_set (ssq, k + 1,
 500                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
 501                 );
 502
 503       gsl_matrix_free (model_cov);
 504       gsl_matrix_free (submodel_cov);
 505     }
 506
 507   free (model_dropped);
 508   free (submodel_dropped);
 509 }
 510
 511 /*
 512    Type 3 sums of squares.
 513    Populate SSQ with the Type 2 sums of squares according to COV
 514  */
 515 static void
 516 ssq_type3 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 517 {
 518   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 519   size_t i;
 520   size_t k;
 521   bool *model_dropped = XCALLOC (covariance_dim (cov), bool);
 522   bool *submodel_dropped = XCALLOC (covariance_dim (cov), bool);
 523   const struct categoricals *cats = covariance_get_categoricals (cov);
 524
 525   double ss0;
 526   gsl_matrix *submodel_cov = gsl_matrix_alloc (cm->size1, cm->size2);
 527   fill_submatrix (cm, submodel_cov, submodel_dropped);
 528   reg_sweep (submodel_cov, 0);
 529   ss0 = gsl_matrix_get (submodel_cov, 0, 0);
 530   gsl_matrix_free (submodel_cov);
 531   free (submodel_dropped);
 532
 533   for (k = 0; k < cmd->n_interactions; k++)
 534     {
 535       gsl_matrix *model_cov = NULL;
 536       size_t n_dropped_model = 0;
 537
 538       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 539         {
 540           const struct interaction * x =
 541             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 542
 543           model_dropped[i] = false;
 544
 545           if (cmd->interactions [k] == x)
 546             {
 547               assert (n_dropped_model < covariance_dim (cov));
 548               n_dropped_model++;
 549               model_dropped[i] = true;
 550             }
 551         }
 552
 553       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 554
 555       fill_submatrix (cm, model_cov,    model_dropped);
 556
 557       reg_sweep (model_cov, 0);
 558
 559       gsl_vector_set (ssq, k + 1,
 560                       gsl_matrix_get (model_cov, 0, 0) - ss0);
 561
 562       gsl_matrix_free (model_cov);
 563     }
 564   free (model_dropped);
 565 }
 566
 567
 568
 569 //static  void dump_matrix (const gsl_matrix *m);
 570
 571 static void
 572 run_glm (struct glm_spec *cmd, struct casereader *input,
 573          const struct dataset *ds)
 574 {
 575   bool warn_bad_weight = true;
 576   int v;
 577   struct taint *taint;
 578   struct dictionary *dict = dataset_dict (ds);
 579   struct casereader *reader;
 580   struct ccase *c;
 581
 582   struct glm_workspace ws;
 583   struct covariance *cov;
 584
 585   input  = casereader_create_filter_missing (input,
 586                                              cmd->dep_vars, cmd->n_dep_vars,
 587                                              cmd->exclude,
 588                                              NULL,  NULL);
 589
 590   input  = casereader_create_filter_missing (input,
 591                                              cmd->factor_vars, cmd->n_factor_vars,
 592                                              cmd->exclude,
 593                                              NULL,  NULL);
 594
 595   ws.cats = categoricals_create (cmd->interactions, cmd->n_interactions,
 596                                  cmd->wv, MV_ANY);
 597
 598   cov = covariance_2pass_create (cmd->n_dep_vars, cmd->dep_vars,
 599                                  ws.cats, cmd->wv, cmd->exclude, true);
 600
 601
 602   c = casereader_peek (input, 0);
 603   if (c == NULL)
 604     {
 605       casereader_destroy (input);
 606       return;
 607     }
 608   output_split_file_values (ds, c);
 609   case_unref (c);
 610
 611   taint = taint_clone (casereader_get_taint (input));
 612
 613   ws.totals = moments_create (MOMENT_VARIANCE);
 614
 615   for (reader = casereader_clone (input);
 616        (c = casereader_read (reader)) != NULL; case_unref (c))
 617     {
 618       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
 619
 620       for (v = 0; v < cmd->n_dep_vars; ++v)
 621         moments_pass_one (ws.totals, case_data (c, cmd->dep_vars[v])->f,
 622                           weight);
 623
 624       covariance_accumulate_pass1 (cov, c);
 625     }
 626   casereader_destroy (reader);
 627
 628   if (cmd->dump_coding)
 629     reader = casereader_clone (input);
 630   else
 631     reader = input;
 632
 633   for (;
 634        (c = casereader_read (reader)) != NULL; case_unref (c))
 635     {
 636       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
 637
 638       for (v = 0; v < cmd->n_dep_vars; ++v)
 639         moments_pass_two (ws.totals, case_data (c, cmd->dep_vars[v])->f,
 640                           weight);
 641
 642       covariance_accumulate_pass2 (cov, c);
 643     }
 644   casereader_destroy (reader);
 645
 646
 647   if (cmd->dump_coding)
 648     {
 649       struct pivot_table *t = covariance_dump_enc_header (cov);
 650       for (reader = input;
 651            (c = casereader_read (reader)) != NULL; case_unref (c))
 652         {
 653           covariance_dump_enc (cov, c, t);
 654         }
 655
 656       pivot_table_submit (t);
 657     }
 658
 659   {
 660     const gsl_matrix *ucm = covariance_calculate_unnormalized (cov);
 661     gsl_matrix *cm = gsl_matrix_alloc (ucm->size1, ucm->size2);
 662     gsl_matrix_memcpy (cm, ucm);
 663
 664     //    dump_matrix (cm);
 665
 666     ws.total_ssq = gsl_matrix_get (cm, 0, 0);
 667
 668     reg_sweep (cm, 0);
 669
 670     /*
 671       Store the overall SSE.
 672     */
 673     ws.ssq = gsl_vector_alloc (cm->size1);
 674     gsl_vector_set (ws.ssq, 0, gsl_matrix_get (cm, 0, 0));
 675     switch (cmd->ss_type)
 676       {
 677       case 1:
 678         ssq_type1 (cov, ws.ssq, cmd);
 679         break;
 680       case 2:
 681         ssq_type2 (cov, ws.ssq, cmd);
 682         break;
 683       case 3:
 684         ssq_type3 (cov, ws.ssq, cmd);
 685         break;
 686       default:
 687         NOT_REACHED ();
 688         break;
 689       }
 690     //    dump_matrix (cm);
 691     gsl_matrix_free (cm);
 692   }
 693
 694   if (!taint_has_tainted_successor (taint))
 695     output_glm (cmd, &ws);
 696
 697   gsl_vector_free (ws.ssq);
 698
 699   covariance_destroy (cov);
 700   moments_destroy (ws.totals);
 701
 702   taint_destroy (taint);
 703 }
 704
 705 static void
 706 put_glm_row (struct pivot_table *table, int row,
 707              double a, double b, double c, double d, double e)
 708 {
 709   double entries[] = { a, b, c, d, e };
 710
 711   for (size_t col = 0; col < sizeof entries / sizeof *entries; col++)
 712     if (entries[col] != SYSMIS)
 713       pivot_table_put2 (table, col, row,
 714                         pivot_value_new_number (entries[col]));
 715 }
 716
 717 static void
 718 output_glm (const struct glm_spec *cmd, const struct glm_workspace *ws)
 719 {
 720   struct pivot_table *table = pivot_table_create (
 721     N_("Tests of Between-Subjects Effects"));
 722
 723   pivot_dimension_create (table, PIVOT_AXIS_COLUMN, N_("Statistics"),
 724                           (cmd->ss_type == 1 ? N_("Type I Sum Of Squares")
 725                            : cmd->ss_type == 2 ? N_("Type II Sum Of Squares")
 726                            : N_("Type III Sum Of Squares")), PIVOT_RC_OTHER,
 727                           N_("df"), PIVOT_RC_COUNT,
 728                           N_("Mean Square"), PIVOT_RC_OTHER,
 729                           N_("F"), PIVOT_RC_OTHER,
 730                           N_("Sig."), PIVOT_RC_SIGNIFICANCE);
 731
 732   struct pivot_dimension *source = pivot_dimension_create (
 733     table, PIVOT_AXIS_ROW, N_("Source"),
 734     cmd->intercept ? N_("Corrected Model") : N_("Model"));
 735
 736   double n_total, mean;
 737   moments_calculate (ws->totals, &n_total, &mean, NULL, NULL, NULL);
 738
 739   double df_corr = 1.0 + categoricals_df_total (ws->cats);
 740
 741   double mse = gsl_vector_get (ws->ssq, 0) / (n_total - df_corr);
 742   double intercept_ssq = pow2 (mean * n_total) / n_total;
 743   if (cmd->intercept)
 744     {
 745       int row = pivot_category_create_leaf (
 746         source->root, pivot_value_new_text (N_("Intercept")));
 747
 748       /* The intercept for unbalanced models is of limited use and
 749          nobody knows how to calculate it properly */
 750       if (categoricals_isbalanced (ws->cats))
 751         {
 752           const double df = 1.0;
 753           const double F = intercept_ssq / df / mse;
 754           put_glm_row (table, row, intercept_ssq, 1.0, intercept_ssq / df,
 755                        F, gsl_cdf_fdist_Q (F, df, n_total - df_corr));
 756         }
 757     }
 758
 759   double ssq_effects = 0.0;
 760   for (int f = 0; f < cmd->n_interactions; ++f)
 761     {
 762       double df = categoricals_df (ws->cats, f);
 763       double ssq = gsl_vector_get (ws->ssq, f + 1);
 764       ssq_effects += ssq;
 765       if (!cmd->intercept)
 766         {
 767           df++;
 768           ssq += intercept_ssq;
 769         }
 770       double F = ssq / df / mse;
 771
 772       struct string str = DS_EMPTY_INITIALIZER;
 773       interaction_to_string (cmd->interactions[f], &str);
 774       int row = pivot_category_create_leaf (
 775         source->root, pivot_value_new_user_text_nocopy (ds_steal_cstr (&str)));
 776
 777       put_glm_row (table, row, ssq, df, ssq / df, F,
 778                    gsl_cdf_fdist_Q (F, df, n_total - df_corr));
 779     }
 780
 781   {
 782     /* Model / Corrected Model */
 783     double df = df_corr;
 784     double ssq = ws->total_ssq - gsl_vector_get (ws->ssq, 0);
 785     if (cmd->intercept)
 786       df--;
 787     else
 788       ssq += intercept_ssq;
 789     double F = ssq / df / mse;
 790     put_glm_row (table, 0, ssq, df, ssq / df, F,
 791                  gsl_cdf_fdist_Q (F, df, n_total - df_corr));
 792   }
 793
 794   {
 795     int row = pivot_category_create_leaf (source->root,
 796                                           pivot_value_new_text (N_("Error")));
 797     const double df = n_total - df_corr;
 798     const double ssq = gsl_vector_get (ws->ssq, 0);
 799     const double mse = ssq / df;
 800     put_glm_row (table, row, ssq, df, mse, SYSMIS, SYSMIS);
 801   }
 802
 803   {
 804     int row = pivot_category_create_leaf (source->root,
 805                                           pivot_value_new_text (N_("Total")));
 806     put_glm_row (table, row, ws->total_ssq + intercept_ssq, n_total,
 807                  SYSMIS, SYSMIS, SYSMIS);
 808   }
 809
 810   if (cmd->intercept)
 811     {
 812       int row = pivot_category_create_leaf (
 813         source->root, pivot_value_new_text (N_("Corrected Total")));
 814       put_glm_row (table, row, ws->total_ssq, n_total - 1.0, SYSMIS,
 815                    SYSMIS, SYSMIS);
 816     }
 817
 818   pivot_table_submit (table);
 819 }
 820
 821 #if 0
 822 static void
 823 dump_matrix (const gsl_matrix * m)
 824 {
 825   size_t i, j;
 826   for (i = 0; i < m->size1; ++i)
 827     {
 828       for (j = 0; j < m->size2; ++j)
 829         {
 830           double x = gsl_matrix_get (m, i, j);
 831           printf ("%.3f ", x);
 832         }
 833       printf ("\n");
 834     }
 835   printf ("\n");
 836 }
 837 #endif
 838
 839
 840 \f
 841 static bool
 842 parse_nested_variable (struct lexer *lexer, struct glm_spec *glm)
 843 {
 844   const struct variable *v = NULL;
 845   if (! lex_match_variable (lexer, glm->dict, &v))
 846     return false;
 847
 848   if (lex_match (lexer, T_LPAREN))
 849     {
 850       if (! parse_nested_variable (lexer, glm))
 851         return false;
 852
 853       if (! lex_force_match (lexer, T_RPAREN))
 854         return false;
 855     }
 856
 857   lex_error (lexer, "Nested variables are not yet implemented");
 858   return false;
 859 }
 860
 861 /* A design term is an interaction OR a nested variable */
 862 static bool
 863 parse_design_term (struct lexer *lexer, struct glm_spec *glm)
 864 {
 865   struct interaction *iact = NULL;
 866   if (parse_design_interaction (lexer, glm->dict, &iact))
 867     {
 868       /* Interaction parsing successful.  Add to list of interactions */
 869       glm->interactions = xrealloc (glm->interactions, sizeof (*glm->interactions) * ++glm->n_interactions);
 870       glm->interactions[glm->n_interactions - 1] = iact;
 871       return true;
 872     }
 873
 874   if (parse_nested_variable (lexer, glm))
 875     return true;
 876
 877   return false;
 878 }
 879
 880
 881
 882 /* Parse a complete DESIGN specification.
 883    A design spec is a design term, optionally followed by a comma,
 884    and another design spec.
 885 */
 886 static bool
 887 parse_design_spec (struct lexer *lexer, struct glm_spec *glm)
 888 {
 889   if  (lex_token (lexer) == T_ENDCMD || lex_token (lexer) == T_SLASH)
 890     return true;
 891
 892   if (! parse_design_term (lexer, glm))
 893     return false;
 894
 895   lex_match (lexer, T_COMMA);
 896
 897   return parse_design_spec (lexer, glm);
 898 }