Question

正如这篇文章的标题所说，当我尝试使用BRugsFit（coda=T）从R运行在WinBUGS中运行良好的代码和数据时，我收到了以下错误：

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

当我在尾声物体上做tail()时，我会一遍又一遍地得到相同的数字。另一方面，当我运行WinBUGS时，保存尾声，并将其加载到R中，我得到一些像我期望的随机变化，并且没有关于收敛的警告。

这是我的模型（它使用'一招'来查找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;
}

以下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inits（我使用4个链，稀疏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是否简化为比WinBUGS更少的有效数字，如果是这样，也许有一个设置我可以改变以使其停止这样做？

Answer 1

我对此的初步答案似乎是......的某种组合。

将format和bugsInits()命令的bugsData()参数设置为fg。
参数化先验分布，使得如果参数非常小（在对数标度上为负两位数），则会对正数（或其他一些适当的变换）进行采样。
只使用较大的间隔时间间隔（在我的情况下为80）和大量的迭代。 OpenBUGS目前不支持过度放松，就是这样。
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：问题是我无法将其打开，如果没有它，迭代将永远消失。但这似乎是目前唯一的选择。我希望WinBUGS手册更加具体，谨慎使用此功能的含义。哦，我想我最终还是需要阅读他们引用的论文。但是，由于OpenBUGS中甚至没有这个功能，所以目前还没有实际意义。

我会暂时搁置我的问题，以防有人得到比我能提出的更好或更详细的答案。

OpenBUGS无法融合在WinBUGS中收敛的模型。精度限制？

1 个答案: