1

我rjags r在学习贝叶斯的同时尝试包。rrr我使用包装中的烟草数据集拟合了以下多元模型。

在此处输入图像描述

其中 gamma 是一个随机截距，用于测量结果之间的相关性。此外，我故意将响应的某些值设为缺失，以探索具有不平衡数据结构的结果。同时，我添加了表示主题 ID 的 AID 变量。

我使用以下方法安装了这个模型rjags。

library(rrr)
require(dplyr)
library(rjags)
data("tobacco")
tobacco <- as_data_frame(tobacco)

tobacco$AID=seq(1:25)
tobacco[4,1]=NA
tobacco[14,1]=NA
tobacco[8,1]=NA
tobacco[6,2]=NA
tobacco[1,2]=NA
tobacco[19,2]=NA
tobacco[21,2]=NA


N1=length(tobacco$Y1.BurnRate)
bayes_model_mul="model {
for(i in 1:N1){
Y1.BurnRate[i]~dnorm(mu1[i],tau1)
Y2.PercentSugar[i]~dnorm(mu2[i],tau2)
mu1[i]=beta1[1] + beta1[2]*X2.PercentChlorine[i] + beta1[3]*X3.PercentPotassium[i] + gamma[AID[i]]
mu2[i]=beta2[1] + beta2[3]*X2.PercentChlorine[i] + beta2[2]*X1.PercentNitrogen[i]+
beta2[4]*X3.PercentPotassium[i]+gamma[AID[i]]
gamma[i] ~ dmnorm(0,tau_u)

}
for (l in 1:3) { beta1[l] ~dnorm(0, 0.001) }
for (l in 1:4) { beta2[l] ~dnorm(0, 0.001) }
tau1 ~ dgamma(.01,.01)
sigma_tau1 = 1/tau1 

tau2 ~ dgamma(.01,.01)
sigma_tau2 = 1/tau2

tau_u ~ dgamma(.01,.01)
sigma_tau_u = 1/tau_u 
}"


model3 <- jags.model(textConnection(bayes_model_mul), 
                     data = list(Y1.BurnRate=tobacco$Y1.BurnRate,
                                 Y2.PercentSugar=tobacco$Y2.PercentSugar
                                 ,X1.PercentNitrogen=tobacco$X1.PercentNitrogen,
                                 N1=N1,X2.PercentChlorine=tobacco$X2.PercentChlorine,
                                 X3.PercentPotassium=tobacco$X3.PercentPotassium,AID=tobacco$AID),
                     n.chains=1)
params <- c('beta1','sigma_tau1','sigma_tau2','beta2','sigma_tau_u','gamma')
samps.1 <- coda.samples(model3, params, n.iter = 10000)
burn.in=1000
summary.model.1=summary(window(samps.1, start = burn.in))

我没有收到任何错误。但我收到以下警告信息。

Warning message:
In FUN(X[[i]], ...) : start value not changed

谁能帮我弄清楚这个错误消息是关于什么的？

谢谢你。

4

1 回答 1

1

该window函数用于选择一系列样本。它需要start和end参数。如果显式设置多个老化样本，则取值start应大于传递给n.adaptinjags.models和n.iterin的迭代次数之和。update

您可以查看重新调整的对象，jags.model以了解迭代次数如何变化。

# Define the model
model3 <- jags.model(textConnection(bayes_model_mul), n.adapt=1234,
                     data = list(Y1.BurnRate=tobacco$Y1.BurnRate,Y2.PercentSugar=tobacco$Y2.PercentSugar,X1.PercentNitrogen=tobacco$X1.PercentNitrogen,N1=N1,X2.PercentChlorine=tobacco$X2.PercentChlorine,X3.PercentPotassium=tobacco$X3.PercentPotassium,AID=tobacco$AID),
                     n.chains=1)
# Look at the number of iterations (== n.adapt)
model3$iter()
#1234

# Add some burnin iterations: iterations are updated to n.adapt + burnin
update(model3, n.iter=1111)
model3$iter()
# 2345

# Draw more samples -> iterations updated to n.adapt + burnin + n.iter
samps.1 <- coda.samples(model3, n.iter = 10000, variable.names=c('beta1','sigma_tau1','sigma_tau2','beta2','sigma_tau_u','gamma'))
model3$iter()
# 12345

当我们使用window的起始值预计会大于n.adapt + burnin这些迭代时被丢弃。如果不是，则从对象start中提取一个值（请参阅 参考资料）并且不使用您的手动值。coda.samplesmcpar(samps.1[[1]])start

所以 usingw=window(samps.1, start=2345)给出了你看到的警告

警告消息：
在 FUN(X[[i]], ...) 中：起始值未更改

但是以下是可以的，因为start大于n.adapt + burnin

w=window(samps.1, start=2346)

请记住，这些只是警告，在这种情况下并不那么重要。但是，如果您重新运行coda.samples而不重新运行，jags.model这将再次更新迭代，这使得跟踪要传递的值变得有点困难window（然后可能会抛出错误）

于 2020-08-20T15:20:33.810 回答