6

正如这篇文章的标题所说，当我尝试使用BRugsFit(with coda=T) 从 R 运行在 WinBUGS 中正常工作的代码和数据时，我收到以下错误：

Error in glm.fit(x = structure(c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,  : 
  NA/NaN/Inf in foreign function call (arg 1)
In addition: Warning messages:
1: glm.fit: algorithm did not converge 
2: glm.fit: algorithm did not converge 
3: glm.fit: algorithm did not converge 
4: glm.fit: algorithm did not converge 
5: step size truncated due to divergence

当我tail()在 coda 对象上做时，我一遍又一遍地得到相同的数字。另一方面，当我运行 WinBUGS、保存结尾并将其加载到 R 中时，我得到了一些我预期的随机变化，并且没有关于收敛的警告。

这是我的模型（它使用“一个技巧”来找到 Logistic-Makeham 分布参数的后验）。

model {
    for(i in 1:n){
            ones[i]<-1;
            # here I pre-calculate two quantities that occur several times 
            # in the PDF, to save a little processing time
            expbx[i] <- exp(b*x[i]); expbx1[i]<- 1/(1+sd*(expbx[i]-1));
            # below is the actual PDF
            p[i]<-(c+a*expbx[i]*expbx1[i])*exp(-c*x[i])*pow(expbx1[i],1/s);
            # the ones trick
            ones[i]~dbern(p[i]);
    }
b~dunif(0,1); d~dexp(1); c~dexp(1); s.raw~dflat();
    # a (lambda) parametrized this way because it comes out more accurate
    # s forced to be > 0
    a<-b*d; s<-abs(s.raw);
    # NOT a standard deviation, just s times d, to save processing time
    sd<-s*d;
    # I save all the parameters I'm interested in to one vector, for convenient
    # viewing of them all in the same window.
    out[1]<-a; out[2]<-b; out[3]<-c; out[4]<-s; out[5]<-d;
}

这是我的数据的典型示例：

 list(n= 148 ,x=c( 1246,1175,1048,1169,1043,802,543,719,1296,817,1122,542,839,443,1536,700,834,232,596,1096,1118,957,974,1031,1149,1044,1108,
519,677,569,952,1243,970,1736,1262,1026,979,1543,1029,761,533,540,511,1150,1589,1169,1029,1248,1572,638,731,525,968,1467,1596,1077,712,1603,1
203,991,37,1775,893,993,913,1487,1186,1381,977,1247,857,786,615,733,1206,1059,1508,569,1205,754,886,1099,843,599,780,1294,1603,1242,883,1320,
507,1097,1193,218,1362,1181,1118,453,1291,972,787,1061,1097,1100,1117,1174,596,1305,1071,940,919,999,1209,1043,1161,1016,1025,750,423,732,
1389,907,1184,1275,944,1209,1073,1098,1348,976,817,557,211,961,880,1039,1287,736,1400,1757,1355,977,198,689,853,1251,767,768 ))

...和典型的初始化（我使用 4 个链，细化 20，burnin 2000、20000 次迭代）

list( d=0.001738,b=0.0009672,c=0.002451,s.raw=0.001511 )
list( d=0.006217,b=0.005596,c=0.00777,s.raw=0.007019 )
list( d=1.504E-05,b=4.825E-06,c=2.172E-07,s.raw=6.104E-05 )
list( d=0.3011,b=0.03552,c=0.1274,s.raw=0.2549 )

OpenBUGS 是否只是简单地舍入到比 WinBUGS 更少的有效数字，如果是这样，也许我可以更改一个设置以使其停止这样做？

4

1 回答 1

1

我对此的初步回答似乎是...

  • 将format参数bugsInits()和bugsData()命令设置为fg.
  • 对先验分布进行参数化，使得如果参数非常小（在对数刻度上的负两位数），则对倒数（或其他一些适当的变换）进行采样。
  • 只需使用较大的细化间隔（在我的情况下为 80）和大量迭代。OpenBUGS 目前不支持过度松弛，仅此而已。
  • 如果某些变量是分类变量，请勿尝试将它们包含在与连续变量相同的摘要中。

对于建议关闭过度放松的响应者：问题是我无法打开它，没有它，迭代需要永远。但这似乎是目前唯一的选择。我希望 WinBUGS 手册更具体地说明谨慎使用此功能的含义。哦，好吧，我想我最终需要阅读他们引用的论文。但是，由于这在 OpenBUGS 中甚至不可用，所以目前还没有实际意义。

我会暂时保留我的问题，以防有人有比我能想出的更好或更详细的答案。

于 2012-07-23T16:16:06.227 回答