Question

这是我第一次使用JAGS，在建模数据时遇到了一些错误。

以下是我的数据的简要说明：总共n个人（例如，2个）解决了m个问题（例如，6个）。所有问题都有3个答案，每个答案都有一定的值V。

以下是the graphic model（某些变量名称不同：IG和y分别与V和answer相同; {{1} }不包含在我的模型中）。

人x为问题i选择每个答案的概率遵循“softmax决策规则”：j。在这里，tau是Gamma分布决策中的噪声：tao→0，一个人选择最高值的答案; tao→∞，一个人在3个答案中随机选择。

这是我的模型文件exp(V[j,]/tau[i])/sum(exp(V[j,]/tau[i]))：

model.txt

这是我的R脚本：

model{
    # data
    for(i in 1:n) # for each person
    {
        for (j in 1:m) # for each problem
        {
            # answer chosen
            answer[i,j] ~ dcat(exp(V[j,]/tau[i])/sum(exp(V[j,]/tau[i])))
        }
    }
    # priors
    for (i in 1:n)
    {
        tau[i] ~ dgamma(0.001,0.001)
    }
}

在R中运行脚本后，我收到以下错误消息：

编译模型图     解决未声明的变量     分配节点   删除模型

jags.model中的错误（model.file，data = data，inits = init.values，   n.chains = n.chains，：RUNTIME ERROR：无效的向量参数   EXP

可能是什么问题？非常感谢你的帮助！

Answer 1

您正在提供从V到exp的列向量。在JAGS中，反向链接函数只能给出标量值。基本上，要正确编写softmax回归代码，您需要遍历V的每个元素。此外，V必须是三维向量（人x主题x 3选项）。

model{
    # data
    for(i in 1:n) # for each person
    {
        for (j in 1:m) # for each problem
        {
            # answer chosen
            answer[i,j] ~ dcat(mu[i,j,1:3])
            mu[i,j,1:3] <- exp_v[i,j,1:3] / sum(exp_v[i,j,1:3])
              for (k in 1:3) {
                exp_v[i,j,k] <- exp(V[i,j,k]/tau[i])
        }
    }
    # priors
    for (i in 1:n)
    {
        tau[i] ~ dgamma(0.001,0.001)
    }
}

与您的模型不同，V的索引编号为i,j,k，而不是我认为的j和k。您需要重新构建V数组才能适应这种情况。但是，通过这种方式拟合模型，您可以将标量输入exp，然后可以将其加总。

JAGS错误：“解析未声明的变量”和“无效的向量参数到exp”

1 个答案: