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 (lexer))
 266             {
 267               lex_error (lexer, NULL);
 268               goto error;
 269             }
 270
 271           glm.ss_type = lex_integer (lexer);
 272           if (1 > glm.ss_type  ||  3 < glm.ss_type)
 273             {
 274               msg (ME, _("Only types 1, 2 & 3 sums of squares are currently implemented"));
 275               goto error;
 276             }
 277
 278           lex_get (lexer);
 279
 280           if (! lex_force_match (lexer, T_RPAREN))
 281             {
 282               lex_error (lexer, NULL);
 283               goto error;
 284             }
 285         }
 286       else if (lex_match_id (lexer, "DESIGN"))
 287         {
 288           lex_match (lexer, T_EQUALS);
 289
 290           if (! parse_design_spec (lexer, &glm))
 291             goto error;
 292
 293           if (glm.n_interactions > 0)
 294             design = true;
 295         }
 296       else if (lex_match_id (lexer, "SHOWCODES"))
 297         /* Undocumented debug option */
 298         {
 299           lex_match (lexer, T_EQUALS);
 300
 301           glm.dump_coding = true;
 302         }
 303       else
 304         {
 305           lex_error (lexer, NULL);
 306           goto error;
 307         }
 308     }
 309
 310   if (! design)
 311     {
 312       design_full (&glm);
 313     }
 314
 315   {
 316     struct casegrouper *grouper;
 317     struct casereader *group;
 318     bool ok;
 319
 320     grouper = casegrouper_create_splits (proc_open (ds), glm.dict);
 321     while (casegrouper_get_next_group (grouper, &group))
 322       run_glm (&glm, group, ds);
 323     ok = casegrouper_destroy (grouper);
 324     ok = proc_commit (ds) && ok;
 325   }
 326
 327   const_var_set_destroy (factors);
 328   free (glm.factor_vars);
 329   for (i = 0 ; i < glm.n_interactions; ++i)
 330     interaction_destroy (glm.interactions[i]);
 331
 332   free (glm.interactions);
 333   free (glm.dep_vars);
 334
 335
 336   return CMD_SUCCESS;
 337
 338 error:
 339
 340   const_var_set_destroy (factors);
 341   free (glm.factor_vars);
 342   for (i = 0 ; i < glm.n_interactions; ++i)
 343     interaction_destroy (glm.interactions[i]);
 344
 345   free (glm.interactions);
 346   free (glm.dep_vars);
 347
 348   return CMD_FAILURE;
 349 }
 350
 351 static inline bool
 352 not_dropped (size_t j, const bool *ff)
 353 {
 354   return ! ff[j];
 355 }
 356
 357 static void
 358 fill_submatrix (const gsl_matrix * cov, gsl_matrix * submatrix, bool *dropped_f)
 359 {
 360   size_t i;
 361   size_t j;
 362   size_t n = 0;
 363   size_t m = 0;
 364
 365   for (i = 0; i < cov->size1; i++)
 366     {
 367       if (not_dropped (i, dropped_f))
 368         {
 369           m = 0;
 370           for (j = 0; j < cov->size2; j++)
 371             {
 372               if (not_dropped (j, dropped_f))
 373                 {
 374                   gsl_matrix_set (submatrix, n, m,
 375                                   gsl_matrix_get (cov, i, j));
 376                   m++;
 377                 }
 378             }
 379           n++;
 380         }
 381     }
 382 }
 383
 384
 385 /*
 386    Type 1 sums of squares.
 387    Populate SSQ with the Type 1 sums of squares according to COV
 388  */
 389 static void
 390 ssq_type1 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 391 {
 392   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 393   size_t i;
 394   size_t k;
 395   bool *model_dropped = XCALLOC (covariance_dim (cov), bool);
 396   bool *submodel_dropped = XCALLOC (covariance_dim (cov), bool);
 397   const struct categoricals *cats = covariance_get_categoricals (cov);
 398
 399   size_t n_dropped_model = 0;
 400   size_t n_dropped_submodel = 0;
 401
 402   for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 403     {
 404       n_dropped_model++;
 405       n_dropped_submodel++;
 406       model_dropped[i] = true;
 407       submodel_dropped[i] = true;
 408     }
 409
 410   for (k = 0; k < cmd->n_interactions; k++)
 411     {
 412       gsl_matrix *model_cov = NULL;
 413       gsl_matrix *submodel_cov = NULL;
 414
 415       n_dropped_submodel = n_dropped_model;
 416       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 417         {
 418           submodel_dropped[i] = model_dropped[i];
 419         }
 420
 421       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 422         {
 423           const struct interaction * x =
 424             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 425
 426           if (x == cmd->interactions [k])
 427             {
 428               model_dropped[i] = false;
 429               n_dropped_model--;
 430             }
 431         }
 432
 433       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 434       submodel_cov = gsl_matrix_alloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
 435
 436       fill_submatrix (cm, model_cov,    model_dropped);
 437       fill_submatrix (cm, submodel_cov, submodel_dropped);
 438
 439       reg_sweep (model_cov, 0);
 440       reg_sweep (submodel_cov, 0);
 441
 442       gsl_vector_set (ssq, k + 1,
 443                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
 444                 );
 445
 446       gsl_matrix_free (model_cov);
 447       gsl_matrix_free (submodel_cov);
 448     }
 449
 450   free (model_dropped);
 451   free (submodel_dropped);
 452 }
 453
 454 /*
 455    Type 2 sums of squares.
 456    Populate SSQ with the Type 2 sums of squares according to COV
 457  */
 458 static void
 459 ssq_type2 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 460 {
 461   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 462   size_t i;
 463   size_t k;
 464   bool *model_dropped = XCALLOC (covariance_dim (cov), bool);
 465   bool *submodel_dropped = XCALLOC (covariance_dim (cov), bool);
 466   const struct categoricals *cats = covariance_get_categoricals (cov);
 467
 468   for (k = 0; k < cmd->n_interactions; k++)
 469     {
 470       gsl_matrix *model_cov = NULL;
 471       gsl_matrix *submodel_cov = NULL;
 472       size_t n_dropped_model = 0;
 473       size_t n_dropped_submodel = 0;
 474       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 475         {
 476           const struct interaction * x =
 477             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 478
 479           model_dropped[i] = false;
 480           submodel_dropped[i] = false;
 481           if (interaction_is_subset (cmd->interactions [k], x))
 482             {
 483               assert (n_dropped_submodel < covariance_dim (cov));
 484               n_dropped_submodel++;
 485               submodel_dropped[i] = true;
 486
 487               if (cmd->interactions [k]->n_vars < x->n_vars)
 488                 {
 489                   assert (n_dropped_model < covariance_dim (cov));
 490                   n_dropped_model++;
 491                   model_dropped[i] = true;
 492                 }
 493             }
 494         }
 495
 496       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 497       submodel_cov = gsl_matrix_alloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
 498
 499       fill_submatrix (cm, model_cov,    model_dropped);
 500       fill_submatrix (cm, submodel_cov, submodel_dropped);
 501
 502       reg_sweep (model_cov, 0);
 503       reg_sweep (submodel_cov, 0);
 504
 505       gsl_vector_set (ssq, k + 1,
 506                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
 507                 );
 508
 509       gsl_matrix_free (model_cov);
 510       gsl_matrix_free (submodel_cov);
 511     }
 512
 513   free (model_dropped);
 514   free (submodel_dropped);
 515 }
 516
 517 /*
 518    Type 3 sums of squares.
 519    Populate SSQ with the Type 2 sums of squares according to COV
 520  */
 521 static void
 522 ssq_type3 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 523 {
 524   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 525   size_t i;
 526   size_t k;
 527   bool *model_dropped = XCALLOC (covariance_dim (cov), bool);
 528   bool *submodel_dropped = XCALLOC (covariance_dim (cov), bool);
 529   const struct categoricals *cats = covariance_get_categoricals (cov);
 530
 531   double ss0;
 532   gsl_matrix *submodel_cov = gsl_matrix_alloc (cm->size1, cm->size2);
 533   fill_submatrix (cm, submodel_cov, submodel_dropped);
 534   reg_sweep (submodel_cov, 0);
 535   ss0 = gsl_matrix_get (submodel_cov, 0, 0);
 536   gsl_matrix_free (submodel_cov);
 537   free (submodel_dropped);
 538
 539   for (k = 0; k < cmd->n_interactions; k++)
 540     {
 541       gsl_matrix *model_cov = NULL;
 542       size_t n_dropped_model = 0;
 543
 544       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 545         {
 546           const struct interaction * x =
 547             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 548
 549           model_dropped[i] = false;
 550
 551           if (cmd->interactions [k] == x)
 552             {
 553               assert (n_dropped_model < covariance_dim (cov));
 554               n_dropped_model++;
 555               model_dropped[i] = true;
 556             }
 557         }
 558
 559       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 560
 561       fill_submatrix (cm, model_cov,    model_dropped);
 562
 563       reg_sweep (model_cov, 0);
 564
 565       gsl_vector_set (ssq, k + 1,
 566                       gsl_matrix_get (model_cov, 0, 0) - ss0);
 567
 568       gsl_matrix_free (model_cov);
 569     }
 570   free (model_dropped);
 571 }
 572
 573
 574
 575 //static  void dump_matrix (const gsl_matrix *m);
 576
 577 static void
 578 run_glm (struct glm_spec *cmd, struct casereader *input,
 579          const struct dataset *ds)
 580 {
 581   bool warn_bad_weight = true;
 582   int v;
 583   struct taint *taint;
 584   struct dictionary *dict = dataset_dict (ds);
 585   struct casereader *reader;
 586   struct ccase *c;
 587
 588   struct glm_workspace ws;
 589   struct covariance *cov;
 590
 591   input  = casereader_create_filter_missing (input,
 592                                              cmd->dep_vars, cmd->n_dep_vars,
 593                                              cmd->exclude,
 594                                              NULL,  NULL);
 595
 596   input  = casereader_create_filter_missing (input,
 597                                              cmd->factor_vars, cmd->n_factor_vars,
 598                                              cmd->exclude,
 599                                              NULL,  NULL);
 600
 601   ws.cats = categoricals_create (cmd->interactions, cmd->n_interactions,
 602                                  cmd->wv, MV_ANY);
 603
 604   cov = covariance_2pass_create (cmd->n_dep_vars, cmd->dep_vars,
 605                                  ws.cats, cmd->wv, cmd->exclude, true);
 606
 607
 608   c = casereader_peek (input, 0);
 609   if (c == NULL)
 610     {
 611       casereader_destroy (input);
 612       return;
 613     }
 614   output_split_file_values (ds, c);
 615   case_unref (c);
 616
 617   taint = taint_clone (casereader_get_taint (input));
 618
 619   ws.totals = moments_create (MOMENT_VARIANCE);
 620
 621   for (reader = casereader_clone (input);
 622        (c = casereader_read (reader)) != NULL; case_unref (c))
 623     {
 624       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
 625
 626       for (v = 0; v < cmd->n_dep_vars; ++v)
 627         moments_pass_one (ws.totals, case_data (c, cmd->dep_vars[v])->f,
 628                           weight);
 629
 630       covariance_accumulate_pass1 (cov, c);
 631     }
 632   casereader_destroy (reader);
 633
 634   if (cmd->dump_coding)
 635     reader = casereader_clone (input);
 636   else
 637     reader = input;
 638
 639   for (;
 640        (c = casereader_read (reader)) != NULL; case_unref (c))
 641     {
 642       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
 643
 644       for (v = 0; v < cmd->n_dep_vars; ++v)
 645         moments_pass_two (ws.totals, case_data (c, cmd->dep_vars[v])->f,
 646                           weight);
 647
 648       covariance_accumulate_pass2 (cov, c);
 649     }
 650   casereader_destroy (reader);
 651
 652
 653   if (cmd->dump_coding)
 654     {
 655       struct pivot_table *t = covariance_dump_enc_header (cov);
 656       for (reader = input;
 657            (c = casereader_read (reader)) != NULL; case_unref (c))
 658         {
 659           covariance_dump_enc (cov, c, t);
 660         }
 661
 662       pivot_table_submit (t);
 663     }
 664
 665   {
 666     const gsl_matrix *ucm = covariance_calculate_unnormalized (cov);
 667     gsl_matrix *cm = gsl_matrix_alloc (ucm->size1, ucm->size2);
 668     gsl_matrix_memcpy (cm, ucm);
 669
 670     //    dump_matrix (cm);
 671
 672     ws.total_ssq = gsl_matrix_get (cm, 0, 0);
 673
 674     reg_sweep (cm, 0);
 675
 676     /*
 677       Store the overall SSE.
 678     */
 679     ws.ssq = gsl_vector_alloc (cm->size1);
 680     gsl_vector_set (ws.ssq, 0, gsl_matrix_get (cm, 0, 0));
 681     switch (cmd->ss_type)
 682       {
 683       case 1:
 684         ssq_type1 (cov, ws.ssq, cmd);
 685         break;
 686       case 2:
 687         ssq_type2 (cov, ws.ssq, cmd);
 688         break;
 689       case 3:
 690         ssq_type3 (cov, ws.ssq, cmd);
 691         break;
 692       default:
 693         NOT_REACHED ();
 694         break;
 695       }
 696     //    dump_matrix (cm);
 697     gsl_matrix_free (cm);
 698   }
 699
 700   if (!taint_has_tainted_successor (taint))
 701     output_glm (cmd, &ws);
 702
 703   gsl_vector_free (ws.ssq);
 704
 705   covariance_destroy (cov);
 706   moments_destroy (ws.totals);
 707
 708   taint_destroy (taint);
 709 }
 710
 711 static void
 712 put_glm_row (struct pivot_table *table, int row,
 713              double a, double b, double c, double d, double e)
 714 {
 715   double entries[] = { a, b, c, d, e };
 716
 717   for (size_t col = 0; col < sizeof entries / sizeof *entries; col++)
 718     if (entries[col] != SYSMIS)
 719       pivot_table_put2 (table, col, row,
 720                         pivot_value_new_number (entries[col]));
 721 }
 722
 723 static void
 724 output_glm (const struct glm_spec *cmd, const struct glm_workspace *ws)
 725 {
 726   struct pivot_table *table = pivot_table_create (
 727     N_("Tests of Between-Subjects Effects"));
 728
 729   pivot_dimension_create (table, PIVOT_AXIS_COLUMN, N_("Statistics"),
 730                           (cmd->ss_type == 1 ? N_("Type I Sum Of Squares")
 731                            : cmd->ss_type == 2 ? N_("Type II Sum Of Squares")
 732                            : N_("Type III Sum Of Squares")), PIVOT_RC_OTHER,
 733                           N_("df"), PIVOT_RC_COUNT,
 734                           N_("Mean Square"), PIVOT_RC_OTHER,
 735                           N_("F"), PIVOT_RC_OTHER,
 736                           N_("Sig."), PIVOT_RC_SIGNIFICANCE);
 737
 738   struct pivot_dimension *source = pivot_dimension_create (
 739     table, PIVOT_AXIS_ROW, N_("Source"),
 740     cmd->intercept ? N_("Corrected Model") : N_("Model"));
 741
 742   double n_total, mean;
 743   moments_calculate (ws->totals, &n_total, &mean, NULL, NULL, NULL);
 744
 745   double df_corr = 1.0 + categoricals_df_total (ws->cats);
 746
 747   double mse = gsl_vector_get (ws->ssq, 0) / (n_total - df_corr);
 748   double intercept_ssq = pow2 (mean * n_total) / n_total;
 749   if (cmd->intercept)
 750     {
 751       int row = pivot_category_create_leaf (
 752         source->root, pivot_value_new_text (N_("Intercept")));
 753
 754       /* The intercept for unbalanced models is of limited use and
 755          nobody knows how to calculate it properly */
 756       if (categoricals_isbalanced (ws->cats))
 757         {
 758           const double df = 1.0;
 759           const double F = intercept_ssq / df / mse;
 760           put_glm_row (table, row, intercept_ssq, 1.0, intercept_ssq / df,
 761                        F, gsl_cdf_fdist_Q (F, df, n_total - df_corr));
 762         }
 763     }
 764
 765   double ssq_effects = 0.0;
 766   for (int f = 0; f < cmd->n_interactions; ++f)
 767     {
 768       double df = categoricals_df (ws->cats, f);
 769       double ssq = gsl_vector_get (ws->ssq, f + 1);
 770       ssq_effects += ssq;
 771       if (!cmd->intercept)
 772         {
 773           df++;
 774           ssq += intercept_ssq;
 775         }
 776       double F = ssq / df / mse;
 777
 778       struct string str = DS_EMPTY_INITIALIZER;
 779       interaction_to_string (cmd->interactions[f], &str);
 780       int row = pivot_category_create_leaf (
 781         source->root, pivot_value_new_user_text_nocopy (ds_steal_cstr (&str)));
 782
 783       put_glm_row (table, row, ssq, df, ssq / df, F,
 784                    gsl_cdf_fdist_Q (F, df, n_total - df_corr));
 785     }
 786
 787   {
 788     /* Model / Corrected Model */
 789     double df = df_corr;
 790     double ssq = ws->total_ssq - gsl_vector_get (ws->ssq, 0);
 791     if (cmd->intercept)
 792       df--;
 793     else
 794       ssq += intercept_ssq;
 795     double F = ssq / df / mse;
 796     put_glm_row (table, 0, ssq, df, ssq / df, F,
 797                  gsl_cdf_fdist_Q (F, df, n_total - df_corr));
 798   }
 799
 800   {
 801     int row = pivot_category_create_leaf (source->root,
 802                                           pivot_value_new_text (N_("Error")));
 803     const double df = n_total - df_corr;
 804     const double ssq = gsl_vector_get (ws->ssq, 0);
 805     const double mse = ssq / df;
 806     put_glm_row (table, row, ssq, df, mse, SYSMIS, SYSMIS);
 807   }
 808
 809   {
 810     int row = pivot_category_create_leaf (source->root,
 811                                           pivot_value_new_text (N_("Total")));
 812     put_glm_row (table, row, ws->total_ssq + intercept_ssq, n_total,
 813                  SYSMIS, SYSMIS, SYSMIS);
 814   }
 815
 816   if (cmd->intercept)
 817     {
 818       int row = pivot_category_create_leaf (
 819         source->root, pivot_value_new_text (N_("Corrected Total")));
 820       put_glm_row (table, row, ws->total_ssq, n_total - 1.0, SYSMIS,
 821                    SYSMIS, SYSMIS);
 822     }
 823
 824   pivot_table_submit (table);
 825 }
 826
 827 #if 0
 828 static void
 829 dump_matrix (const gsl_matrix * m)
 830 {
 831   size_t i, j;
 832   for (i = 0; i < m->size1; ++i)
 833     {
 834       for (j = 0; j < m->size2; ++j)
 835         {
 836           double x = gsl_matrix_get (m, i, j);
 837           printf ("%.3f ", x);
 838         }
 839       printf ("\n");
 840     }
 841   printf ("\n");
 842 }
 843 #endif
 844
 845
 846 \f
 847 static bool
 848 parse_nested_variable (struct lexer *lexer, struct glm_spec *glm)
 849 {
 850   const struct variable *v = NULL;
 851   if (! lex_match_variable (lexer, glm->dict, &v))
 852     return false;
 853
 854   if (lex_match (lexer, T_LPAREN))
 855     {
 856       if (! parse_nested_variable (lexer, glm))
 857         return false;
 858
 859       if (! lex_force_match (lexer, T_RPAREN))
 860         return false;
 861     }
 862
 863   lex_error (lexer, "Nested variables are not yet implemented"); return false;
 864   return true;
 865 }
 866
 867 /* A design term is an interaction OR a nested variable */
 868 static bool
 869 parse_design_term (struct lexer *lexer, struct glm_spec *glm)
 870 {
 871   struct interaction *iact = NULL;
 872   if (parse_design_interaction (lexer, glm->dict, &iact))
 873     {
 874       /* Interaction parsing successful.  Add to list of interactions */
 875       glm->interactions = xrealloc (glm->interactions, sizeof *glm->interactions * ++glm->n_interactions);
 876       glm->interactions[glm->n_interactions - 1] = iact;
 877       return true;
 878     }
 879
 880   if (parse_nested_variable (lexer, glm))
 881     return true;
 882
 883   return false;
 884 }
 885
 886
 887
 888 /* Parse a complete DESIGN specification.
 889    A design spec is a design term, optionally followed by a comma,
 890    and another design spec.
 891 */
 892 static bool
 893 parse_design_spec (struct lexer *lexer, struct glm_spec *glm)
 894 {
 895   if  (lex_token (lexer) == T_ENDCMD || lex_token (lexer) == T_SLASH)
 896     return true;
 897
 898   if (! parse_design_term (lexer, glm))
 899     return false;
 900
 901   lex_match (lexer, T_COMMA);
 902
 903   return parse_design_spec (lexer, glm);
 904 }
 905