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   lex_force_match (lexer, T_BY);
 159
 160   if (!parse_variables_const (lexer, glm.dict,
 161                               &glm.factor_vars, &glm.n_factor_vars,
 162                               PV_NO_DUPLICATE | PV_NUMERIC))
 163     goto error;
 164
 165   if (glm.n_dep_vars > 1)
 166     {
 167       msg (ME, _("Multivariate analysis is not yet implemented"));
 168       return CMD_FAILURE;
 169     }
 170
 171   factors =
 172     const_var_set_create_from_array (glm.factor_vars, glm.n_factor_vars);
 173
 174   while (lex_token (lexer) != T_ENDCMD)
 175     {
 176       lex_match (lexer, T_SLASH);
 177
 178       if (lex_match_id (lexer, "MISSING"))
 179         {
 180           lex_match (lexer, T_EQUALS);
 181           while (lex_token (lexer) != T_ENDCMD
 182                  && lex_token (lexer) != T_SLASH)
 183             {
 184               if (lex_match_id (lexer, "INCLUDE"))
 185                 {
 186                   glm.exclude = MV_SYSTEM;
 187                 }
 188               else if (lex_match_id (lexer, "EXCLUDE"))
 189                 {
 190                   glm.exclude = MV_ANY;
 191                 }
 192               else
 193                 {
 194                   lex_error (lexer, NULL);
 195                   goto error;
 196                 }
 197             }
 198         }
 199       else if (lex_match_id (lexer, "INTERCEPT"))
 200         {
 201           lex_match (lexer, T_EQUALS);
 202           while (lex_token (lexer) != T_ENDCMD
 203                  && lex_token (lexer) != T_SLASH)
 204             {
 205               if (lex_match_id (lexer, "INCLUDE"))
 206                 {
 207                   glm.intercept = true;
 208                 }
 209               else if (lex_match_id (lexer, "EXCLUDE"))
 210                 {
 211                   glm.intercept = false;
 212                 }
 213               else
 214                 {
 215                   lex_error (lexer, NULL);
 216                   goto error;
 217                 }
 218             }
 219         }
 220       else if (lex_match_id (lexer, "CRITERIA"))
 221         {
 222           lex_match (lexer, T_EQUALS);
 223           if (lex_match_id (lexer, "ALPHA"))
 224             {
 225               if (lex_force_match (lexer, T_LPAREN))
 226                 {
 227                   if (! lex_force_num (lexer))
 228                     {
 229                       lex_error (lexer, NULL);
 230                       goto error;
 231                     }
 232
 233                   glm.alpha = lex_number (lexer);
 234                   lex_get (lexer);
 235                   if ( ! lex_force_match (lexer, T_RPAREN))
 236                     {
 237                       lex_error (lexer, NULL);
 238                       goto error;
 239                     }
 240                 }
 241             }
 242           else
 243             {
 244               lex_error (lexer, NULL);
 245               goto error;
 246             }
 247         }
 248       else if (lex_match_id (lexer, "METHOD"))
 249         {
 250           lex_match (lexer, T_EQUALS);
 251           if ( !lex_force_match_id (lexer, "SSTYPE"))
 252             {
 253               lex_error (lexer, NULL);
 254               goto error;
 255             }
 256
 257           if ( ! lex_force_match (lexer, T_LPAREN))
 258             {
 259               lex_error (lexer, NULL);
 260               goto error;
 261             }
 262
 263           if ( ! lex_force_int (lexer))
 264             {
 265               lex_error (lexer, NULL);
 266               goto error;
 267             }
 268
 269           glm.ss_type = lex_integer (lexer);
 270           if (1 > glm.ss_type  ||  3 < glm.ss_type )
 271             {
 272               msg (ME, _("Only types 1, 2 & 3 sums of squares are currently implemented"));
 273               goto error;
 274             }
 275
 276           lex_get (lexer);
 277
 278           if ( ! lex_force_match (lexer, T_RPAREN))
 279             {
 280               lex_error (lexer, NULL);
 281               goto error;
 282             }
 283         }
 284       else if (lex_match_id (lexer, "DESIGN"))
 285         {
 286           lex_match (lexer, T_EQUALS);
 287
 288           if (! parse_design_spec (lexer, &glm))
 289             goto error;
 290
 291           if (glm.n_interactions > 0)
 292             design = true;
 293         }
 294       else if (lex_match_id (lexer, "SHOWCODES"))
 295         /* Undocumented debug option */
 296         {
 297           lex_match (lexer, T_EQUALS);
 298
 299           glm.dump_coding = true;
 300         }
 301       else
 302         {
 303           lex_error (lexer, NULL);
 304           goto error;
 305         }
 306     }
 307
 308   if ( ! design )
 309     {
 310       design_full (&glm);
 311     }
 312
 313   {
 314     struct casegrouper *grouper;
 315     struct casereader *group;
 316     bool ok;
 317
 318     grouper = casegrouper_create_splits (proc_open (ds), glm.dict);
 319     while (casegrouper_get_next_group (grouper, &group))
 320       run_glm (&glm, group, ds);
 321     ok = casegrouper_destroy (grouper);
 322     ok = proc_commit (ds) && ok;
 323   }
 324
 325   const_var_set_destroy (factors);
 326   free (glm.factor_vars);
 327   for (i = 0 ; i < glm.n_interactions; ++i)
 328     interaction_destroy (glm.interactions[i]);
 329
 330   free (glm.interactions);
 331   free (glm.dep_vars);
 332
 333
 334   return CMD_SUCCESS;
 335
 336 error:
 337
 338   const_var_set_destroy (factors);
 339   free (glm.factor_vars);
 340   for (i = 0 ; i < glm.n_interactions; ++i)
 341     interaction_destroy (glm.interactions[i]);
 342
 343   free (glm.interactions);
 344   free (glm.dep_vars);
 345
 346   return CMD_FAILURE;
 347 }
 348
 349 static inline bool
 350 not_dropped (size_t j, const bool *ff)
 351 {
 352   return ! ff[j];
 353 }
 354
 355 static void
 356 fill_submatrix (const gsl_matrix * cov, gsl_matrix * submatrix, bool *dropped_f)
 357 {
 358   size_t i;
 359   size_t j;
 360   size_t n = 0;
 361   size_t m = 0;
 362
 363   for (i = 0; i < cov->size1; i++)
 364     {
 365       if (not_dropped (i, dropped_f))
 366         {
 367           m = 0;
 368           for (j = 0; j < cov->size2; j++)
 369             {
 370               if (not_dropped (j, dropped_f))
 371                 {
 372                   gsl_matrix_set (submatrix, n, m,
 373                                   gsl_matrix_get (cov, i, j));
 374                   m++;
 375                 }
 376             }
 377           n++;
 378         }
 379     }
 380 }
 381
 382
 383 /*
 384    Type 1 sums of squares.
 385    Populate SSQ with the Type 1 sums of squares according to COV
 386  */
 387 static void
 388 ssq_type1 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 389 {
 390   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 391   size_t i;
 392   size_t k;
 393   bool *model_dropped = xcalloc (covariance_dim (cov), sizeof (*model_dropped));
 394   bool *submodel_dropped = xcalloc (covariance_dim (cov), sizeof (*submodel_dropped));
 395   const struct categoricals *cats = covariance_get_categoricals (cov);
 396
 397   size_t n_dropped_model = 0;
 398   size_t n_dropped_submodel = 0;
 399
 400   for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 401     {
 402       n_dropped_model++;
 403       n_dropped_submodel++;
 404       model_dropped[i] = true;
 405       submodel_dropped[i] = true;
 406     }
 407
 408   for (k = 0; k < cmd->n_interactions; k++)
 409     {
 410       gsl_matrix *model_cov = NULL;
 411       gsl_matrix *submodel_cov = NULL;
 412
 413       n_dropped_submodel = n_dropped_model;
 414       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 415         {
 416           submodel_dropped[i] = model_dropped[i];
 417         }
 418
 419       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 420         {
 421           const struct interaction * x =
 422             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 423
 424           if ( x == cmd->interactions [k])
 425             {
 426               model_dropped[i] = false;
 427               n_dropped_model--;
 428             }
 429         }
 430
 431       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 432       submodel_cov = gsl_matrix_alloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
 433
 434       fill_submatrix (cm, model_cov,    model_dropped);
 435       fill_submatrix (cm, submodel_cov, submodel_dropped);
 436
 437       reg_sweep (model_cov, 0);
 438       reg_sweep (submodel_cov, 0);
 439
 440       gsl_vector_set (ssq, k + 1,
 441                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
 442                       );
 443
 444       gsl_matrix_free (model_cov);
 445       gsl_matrix_free (submodel_cov);
 446     }
 447
 448   free (model_dropped);
 449   free (submodel_dropped);
 450 }
 451
 452 /*
 453    Type 2 sums of squares.
 454    Populate SSQ with the Type 2 sums of squares according to COV
 455  */
 456 static void
 457 ssq_type2 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 458 {
 459   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 460   size_t i;
 461   size_t k;
 462   bool *model_dropped = xcalloc (covariance_dim (cov), sizeof (*model_dropped));
 463   bool *submodel_dropped = xcalloc (covariance_dim (cov), sizeof (*submodel_dropped));
 464   const struct categoricals *cats = covariance_get_categoricals (cov);
 465
 466   for (k = 0; k < cmd->n_interactions; k++)
 467     {
 468       gsl_matrix *model_cov = NULL;
 469       gsl_matrix *submodel_cov = NULL;
 470       size_t n_dropped_model = 0;
 471       size_t n_dropped_submodel = 0;
 472       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 473         {
 474           const struct interaction * x =
 475             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 476
 477           model_dropped[i] = false;
 478           submodel_dropped[i] = false;
 479           if (interaction_is_subset (cmd->interactions [k], x))
 480             {
 481               assert (n_dropped_submodel < covariance_dim (cov));
 482               n_dropped_submodel++;
 483               submodel_dropped[i] = true;
 484
 485               if ( cmd->interactions [k]->n_vars < x->n_vars)
 486                 {
 487                   assert (n_dropped_model < covariance_dim (cov));
 488                   n_dropped_model++;
 489                   model_dropped[i] = true;
 490                 }
 491             }
 492         }
 493
 494       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 495       submodel_cov = gsl_matrix_alloc (cm->size1 - n_dropped_submodel, cm->size2 - n_dropped_submodel);
 496
 497       fill_submatrix (cm, model_cov,    model_dropped);
 498       fill_submatrix (cm, submodel_cov, submodel_dropped);
 499
 500       reg_sweep (model_cov, 0);
 501       reg_sweep (submodel_cov, 0);
 502
 503       gsl_vector_set (ssq, k + 1,
 504                       gsl_matrix_get (submodel_cov, 0, 0) - gsl_matrix_get (model_cov, 0, 0)
 505                       );
 506
 507       gsl_matrix_free (model_cov);
 508       gsl_matrix_free (submodel_cov);
 509     }
 510
 511   free (model_dropped);
 512   free (submodel_dropped);
 513 }
 514
 515 /*
 516    Type 3 sums of squares.
 517    Populate SSQ with the Type 2 sums of squares according to COV
 518  */
 519 static void
 520 ssq_type3 (struct covariance *cov, gsl_vector *ssq, const struct glm_spec *cmd)
 521 {
 522   const gsl_matrix *cm = covariance_calculate_unnormalized (cov);
 523   size_t i;
 524   size_t k;
 525   bool *model_dropped = xcalloc (covariance_dim (cov), sizeof (*model_dropped));
 526   bool *submodel_dropped = xcalloc (covariance_dim (cov), sizeof (*submodel_dropped));
 527   const struct categoricals *cats = covariance_get_categoricals (cov);
 528
 529   double ss0;
 530   gsl_matrix *submodel_cov = gsl_matrix_alloc (cm->size1, cm->size2);
 531   fill_submatrix (cm, submodel_cov, submodel_dropped);
 532   reg_sweep (submodel_cov, 0);
 533   ss0 = gsl_matrix_get (submodel_cov, 0, 0);
 534   gsl_matrix_free (submodel_cov);
 535   free (submodel_dropped);
 536
 537   for (k = 0; k < cmd->n_interactions; k++)
 538     {
 539       gsl_matrix *model_cov = NULL;
 540       size_t n_dropped_model = 0;
 541
 542       for (i = cmd->n_dep_vars; i < covariance_dim (cov); i++)
 543         {
 544           const struct interaction * x =
 545             categoricals_get_interaction_by_subscript (cats, i - cmd->n_dep_vars);
 546
 547           model_dropped[i] = false;
 548
 549           if ( cmd->interactions [k] == x)
 550             {
 551               assert (n_dropped_model < covariance_dim (cov));
 552               n_dropped_model++;
 553               model_dropped[i] = true;
 554             }
 555         }
 556
 557       model_cov = gsl_matrix_alloc (cm->size1 - n_dropped_model, cm->size2 - n_dropped_model);
 558
 559       fill_submatrix (cm, model_cov,    model_dropped);
 560
 561       reg_sweep (model_cov, 0);
 562
 563       gsl_vector_set (ssq, k + 1,
 564                       gsl_matrix_get (model_cov, 0, 0) - ss0);
 565
 566       gsl_matrix_free (model_cov);
 567     }
 568   free (model_dropped);
 569 }
 570
 571
 572
 573 //static  void dump_matrix (const gsl_matrix *m);
 574
 575 static void
 576 run_glm (struct glm_spec *cmd, struct casereader *input,
 577          const struct dataset *ds)
 578 {
 579   bool warn_bad_weight = true;
 580   int v;
 581   struct taint *taint;
 582   struct dictionary *dict = dataset_dict (ds);
 583   struct casereader *reader;
 584   struct ccase *c;
 585
 586   struct glm_workspace ws;
 587   struct covariance *cov;
 588
 589   ws.cats = categoricals_create (cmd->interactions, cmd->n_interactions,
 590                                  cmd->wv, cmd->exclude, MV_ANY);
 591
 592   cov = covariance_2pass_create (cmd->n_dep_vars, cmd->dep_vars,
 593                                  ws.cats, cmd->wv, cmd->exclude);
 594
 595
 596   c = casereader_peek (input, 0);
 597   if (c == NULL)
 598     {
 599       casereader_destroy (input);
 600       return;
 601     }
 602   output_split_file_values (ds, c);
 603   case_unref (c);
 604
 605   taint = taint_clone (casereader_get_taint (input));
 606
 607   ws.totals = moments_create (MOMENT_VARIANCE);
 608
 609   for (reader = casereader_clone (input);
 610        (c = casereader_read (reader)) != NULL; case_unref (c))
 611     {
 612       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
 613
 614       for (v = 0; v < cmd->n_dep_vars; ++v)
 615         moments_pass_one (ws.totals, case_data (c, cmd->dep_vars[v])->f,
 616                           weight);
 617
 618       covariance_accumulate_pass1 (cov, c);
 619     }
 620   casereader_destroy (reader);
 621
 622   if (cmd->dump_coding)
 623     reader = casereader_clone (input);
 624   else
 625     reader = input;
 626
 627   for (;
 628        (c = casereader_read (reader)) != NULL; case_unref (c))
 629     {
 630       double weight = dict_get_case_weight (dict, c, &warn_bad_weight);
 631
 632       for (v = 0; v < cmd->n_dep_vars; ++v)
 633         moments_pass_two (ws.totals, case_data (c, cmd->dep_vars[v])->f,
 634                           weight);
 635
 636       covariance_accumulate_pass2 (cov, c);
 637     }
 638   casereader_destroy (reader);
 639
 640
 641   if (cmd->dump_coding)
 642     {
 643       struct tab_table *t =
 644         covariance_dump_enc_header (cov,
 645                                     1 + casereader_count_cases (input));
 646       for (reader = input;
 647            (c = casereader_read (reader)) != NULL; case_unref (c))
 648         {
 649           covariance_dump_enc (cov, c, t);
 650         }
 651       casereader_destroy (reader);
 652       tab_submit (t);
 653     }
 654
 655   {
 656     const gsl_matrix *ucm = covariance_calculate_unnormalized (cov);
 657     gsl_matrix *cm = gsl_matrix_alloc (ucm->size1, ucm->size2);
 658     gsl_matrix_memcpy (cm, ucm);
 659
 660     //    dump_matrix (cm);
 661
 662     ws.total_ssq = gsl_matrix_get (cm, 0, 0);
 663
 664     reg_sweep (cm, 0);
 665
 666     /*
 667       Store the overall SSE.
 668     */
 669     ws.ssq = gsl_vector_alloc (cm->size1);
 670     gsl_vector_set (ws.ssq, 0, gsl_matrix_get (cm, 0, 0));
 671     switch (cmd->ss_type)
 672       {
 673       case 1:
 674         ssq_type1 (cov, ws.ssq, cmd);
 675         break;
 676       case 2:
 677         ssq_type2 (cov, ws.ssq, cmd);
 678         break;
 679       case 3:
 680         ssq_type3 (cov, ws.ssq, cmd);
 681         break;
 682       default:
 683         NOT_REACHED ();
 684         break;
 685       }
 686     //    dump_matrix (cm);
 687     gsl_matrix_free (cm);
 688   }
 689
 690   if (!taint_has_tainted_successor (taint))
 691     output_glm (cmd, &ws);
 692
 693   gsl_vector_free (ws.ssq);
 694
 695   covariance_destroy (cov);
 696   moments_destroy (ws.totals);
 697
 698   taint_destroy (taint);
 699 }
 700
 701 static const char *roman[] =
 702   {
 703     "", /* The Romans had no concept of zero */
 704     "I",
 705     "II",
 706     "III",
 707     "IV"
 708   };
 709
 710 static void
 711 output_glm (const struct glm_spec *cmd, const struct glm_workspace *ws)
 712 {
 713   const struct fmt_spec *wfmt =
 714     cmd->wv ? var_get_print_format (cmd->wv) : &F_8_0;
 715
 716   double intercept_ssq;
 717   double ssq_effects;
 718   double n_total, mean;
 719   double df_corr = 1.0;
 720   double mse = 0;
 721
 722   int f;
 723   int r;
 724   const int heading_columns = 1;
 725   const int heading_rows = 1;
 726   struct tab_table *t;
 727
 728   const int nc = 6;
 729   int nr = heading_rows + 3 + cmd->n_interactions;
 730   if (cmd->intercept)
 731     nr += 2;
 732
 733   msg (MW, "GLM is experimental.  Do not rely on these results.");
 734   t = tab_create (nc, nr);
 735   tab_set_format (t, RC_WEIGHT, wfmt);
 736   tab_title (t, _("Tests of Between-Subjects Effects"));
 737
 738   tab_headers (t, heading_columns, 0, heading_rows, 0);
 739
 740   tab_box (t, TAL_2, TAL_2, -1, TAL_1, 0, 0, nc - 1, nr - 1);
 741
 742   tab_hline (t, TAL_2, 0, nc - 1, heading_rows);
 743   tab_vline (t, TAL_2, heading_columns, 0, nr - 1);
 744
 745   tab_text (t, 0, 0, TAB_CENTER | TAT_TITLE, _("Source"));
 746
 747   /* TRANSLATORS: The parameter is a roman numeral */
 748   tab_text_format (t, 1, 0, TAB_CENTER | TAT_TITLE,
 749                    _("Type %s Sum of Squares"),
 750                    roman[cmd->ss_type]);
 751   tab_text (t, 2, 0, TAB_CENTER | TAT_TITLE, _("df"));
 752   tab_text (t, 3, 0, TAB_CENTER | TAT_TITLE, _("Mean Square"));
 753   tab_text (t, 4, 0, TAB_CENTER | TAT_TITLE, _("F"));
 754   tab_text (t, 5, 0, TAB_CENTER | TAT_TITLE, _("Sig."));
 755
 756   moments_calculate (ws->totals, &n_total, &mean, NULL, NULL, NULL);
 757
 758   df_corr += categoricals_df_total (ws->cats);
 759
 760   r = heading_rows;
 761   if (cmd->intercept)
 762     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Corrected Model"));
 763   else
 764     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Model"));
 765
 766   r++;
 767
 768   mse = gsl_vector_get (ws->ssq, 0) / (n_total - df_corr);
 769
 770   intercept_ssq = pow2 (mean * n_total) / n_total;
 771
 772   ssq_effects = 0.0;
 773   if (cmd->intercept)
 774     {
 775       const double df = 1.0;
 776       const double F = intercept_ssq / df / mse;
 777       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Intercept"));
 778       tab_double (t, 1, r, 0, intercept_ssq, NULL, RC_OTHER);
 779       tab_double (t, 2, r, 0, 1.00, NULL, RC_WEIGHT);
 780       tab_double (t, 3, r, 0, intercept_ssq / df, NULL, RC_OTHER);
 781       tab_double (t, 4, r, 0, F, NULL, RC_OTHER);
 782       tab_double (t, 5, r, 0, gsl_cdf_fdist_Q (F, df, n_total - df_corr),
 783                   NULL, RC_PVALUE);
 784       r++;
 785     }
 786
 787   for (f = 0; f < cmd->n_interactions; ++f)
 788     {
 789       struct string str = DS_EMPTY_INITIALIZER;
 790       double df = categoricals_df (ws->cats, f);
 791
 792       double ssq = gsl_vector_get (ws->ssq, f + 1);
 793       double F;
 794
 795       ssq_effects += ssq;
 796
 797       if (! cmd->intercept)
 798         {
 799           df++;
 800           ssq += intercept_ssq;
 801         }
 802
 803       F = ssq / df / mse;
 804       interaction_to_string (cmd->interactions[f], &str);
 805       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, ds_cstr (&str));
 806       ds_destroy (&str);
 807
 808       tab_double (t, 1, r, 0, ssq, NULL, RC_OTHER);
 809       tab_double (t, 2, r, 0, df, NULL, RC_WEIGHT);
 810       tab_double (t, 3, r, 0, ssq / df, NULL, RC_OTHER);
 811       tab_double (t, 4, r, 0, F, NULL, RC_OTHER);
 812
 813       tab_double (t, 5, r, 0, gsl_cdf_fdist_Q (F, df, n_total - df_corr),
 814                   NULL, RC_PVALUE);
 815       r++;
 816     }
 817
 818   {
 819     /* Model / Corrected Model */
 820     double df = df_corr;
 821     double ssq = ws->total_ssq - gsl_vector_get (ws->ssq, 0);
 822     double F;
 823
 824     if ( cmd->intercept )
 825       df --;
 826     else
 827       ssq += intercept_ssq;
 828
 829     F = ssq / df / mse;
 830     tab_double (t, 1, heading_rows, 0, ssq, NULL, RC_OTHER);
 831     tab_double (t, 2, heading_rows, 0, df, NULL, RC_WEIGHT);
 832     tab_double (t, 3, heading_rows, 0, ssq / df, NULL, RC_OTHER);
 833     tab_double (t, 4, heading_rows, 0, F, NULL, RC_OTHER);
 834
 835     tab_double (t, 5, heading_rows, 0,
 836                 gsl_cdf_fdist_Q (F, df, n_total - df_corr), NULL, RC_PVALUE);
 837   }
 838
 839   {
 840     const double df = n_total - df_corr;
 841     const double ssq = gsl_vector_get (ws->ssq, 0);
 842     const double mse = ssq / df;
 843     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Error"));
 844     tab_double (t, 1, r, 0, ssq, NULL, RC_OTHER);
 845     tab_double (t, 2, r, 0, df, NULL, RC_WEIGHT);
 846     tab_double (t, 3, r++, 0, mse, NULL, RC_OTHER);
 847   }
 848
 849   {
 850     tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Total"));
 851     tab_double (t, 1, r, 0, ws->total_ssq + intercept_ssq, NULL, RC_OTHER);
 852     tab_double (t, 2, r, 0, n_total, NULL, RC_WEIGHT);
 853
 854     r++;
 855   }
 856
 857   if (cmd->intercept)
 858     {
 859       tab_text (t, 0, r, TAB_LEFT | TAT_TITLE, _("Corrected Total"));
 860       tab_double (t, 1, r, 0, ws->total_ssq, NULL, RC_OTHER);
 861       tab_double (t, 2, r, 0, n_total - 1.0, NULL, RC_WEIGHT);
 862     }
 863
 864   tab_submit (t);
 865 }
 866
 867 #if 0
 868 static void
 869 dump_matrix (const gsl_matrix * m)
 870 {
 871   size_t i, j;
 872   for (i = 0; i < m->size1; ++i)
 873     {
 874       for (j = 0; j < m->size2; ++j)
 875         {
 876           double x = gsl_matrix_get (m, i, j);
 877           printf ("%.3f ", x);
 878         }
 879       printf ("\n");
 880     }
 881   printf ("\n");
 882 }
 883 #endif
 884
 885
 886 \f
 887 static bool
 888 parse_nested_variable (struct lexer *lexer, struct glm_spec *glm)
 889 {
 890   const struct variable *v = NULL;
 891   if ( ! lex_match_variable (lexer, glm->dict, &v))
 892     return false;
 893
 894   if (lex_match (lexer, T_LPAREN))
 895     {
 896       if ( ! parse_nested_variable (lexer, glm))
 897         return false;
 898
 899       if ( ! lex_force_match (lexer, T_RPAREN))
 900         return false;
 901     }
 902
 903   lex_error (lexer, "Nested variables are not yet implemented"); return false;
 904   return true;
 905 }
 906
 907 /* A design term is an interaction OR a nested variable */
 908 static bool
 909 parse_design_term (struct lexer *lexer, struct glm_spec *glm)
 910 {
 911   struct interaction *iact = NULL;
 912   if (parse_design_interaction (lexer, glm->dict, &iact))
 913     {
 914       /* Interaction parsing successful.  Add to list of interactions */
 915       glm->interactions = xrealloc (glm->interactions, sizeof *glm->interactions * ++glm->n_interactions);
 916       glm->interactions[glm->n_interactions - 1] = iact;
 917       return true;
 918     }
 919
 920   if ( parse_nested_variable (lexer, glm))
 921     return true;
 922
 923   return false;
 924 }
 925
 926
 927
 928 /* Parse a complete DESIGN specification.
 929    A design spec is a design term, optionally followed by a comma,
 930    and another design spec.
 931 */
 932 static bool
 933 parse_design_spec (struct lexer *lexer, struct glm_spec *glm)
 934 {
 935   if  (lex_token (lexer) == T_ENDCMD || lex_token (lexer) == T_SLASH)
 936     return true;
 937
 938   if ( ! parse_design_term (lexer, glm))
 939     return false;
 940
 941   lex_match (lexer, T_COMMA);
 942
 943   return parse_design_spec (lexer, glm);
 944 }
 945