使用jAGS

Question

我想把Bivariate泊松分布拟合到我的硕士论文的一系列运动成绩中。

但是使用贝叶斯建模使用WinBUGS（第8章，第3.4节，第292-294页）中给出的模型，我似乎无法使模型起作用。

模型代码如下：

m1_string <- "model {
    C <- 0
    for(i in 1:n_games) {

        minscore[i] <- min( HomeGoals[i],AwayGoals[i]) + 1
        # Generate minscore latent variable
        u[i] ~ dunif(0,minscore[i])
        z3[i] <- trunc( u[i] )

        HomeGoals[i] <- z1[i] + z3[i]
        AwayGoals[i] <- z2[i] + z3[i]
        Zeros[i] <- 0
        Zeros[i] ~ dpois( zeros.mean[i] )
        zeros.mean[i] <- -l[i] + C
        l[i] <- -lambda_home[HomeTeam[i],AwayTeam[i]] + z1[i]*log( lambda_home[HomeTeam[i],AwayTeam[i]] ) - loggam( z1[i]+1 )
        -lambda_away[HomeTeam[i],AwayTeam[i]] + z2[i]*log( lambda_away[HomeTeam[i],AwayTeam[i]] ) - loggam( z2[i]+1 )
        -lambda_3[HomeTeam[i],AwayTeam[i]] + z3[i]*log( lambda_3[HomeTeam[i],AwayTeam[i]] ) - loggam( z3[i]+1 )
    }
    for(home_i in 1:n_teams) {
        for(away_i in 1:n_teams) {
            log( lambda_home[home_i, away_i] ) <- mu + skill[home_i] - skill[away_i]
            log( lambda_away[home_i, away_i] ) <- mu + skill[away_i] - skill[home_i]
            log( lambda[home_i, away_i] ) <- beta
        }
    }  
    skill[1] <- 0
    for(j in 2:n_teams) {
        skill[j] ~ dnorm(group_skill, group_tau)
    }
    group_skill ~ dnorm(0, 0.0625)
    group_tau <- 1 / pow(group_sigma, 2)
    group_sigma ~ dunif(0, 3)
    mu ~ dnorm(0, 0.0625)
    beta ~ dnorm(0, 0.0625)
}"

当通过R中的jags.model()函数提供给JAGS的数据时，我提供以下列表：

  

HomeTeam / AwayTeam-主队和客队       HomeGoals / AwayGoals - 观察到的分数
      n_games - 数据集中的游戏数量
      n_teams - 数据集中的团队数量

当我尝试编译时：

# Compiling model 1
m1 <- jags.model(textConnection(m1_string), data = data_list, n.chains = 3,
n.adapt = 5000)

  

消息ERROR：RUNTIME ERROR

非常感谢任何帮助。