我正在尝试为我的二进制数据建模多变量Probit模型。 我一直在尝试一切,但WinBUGS作为回报给了我这个错误。 任何想法或建议都受到热烈欢迎。
模型{ for(i in 1:ns){## loop over studies
for (k in 1:2){ ### loop over arm
for (j in 1:2){ ### loop over outcomes
r[i,k,j] ~ dbin(p[i,k,j],n[i,k,j]); ## Likelihood Function
p[i,k,j] <- phi(z[i,k,j])
z[i,k,1:2] ~ dmnorm(theta[i,1:2],with[i,,])I(-5, 5) #latent variable (z<0) or Probit link
theta[i,1] <- alpha[i,k,1] + beta[i,k,1]
theta[i,2] <- alpha[i,k,2] + beta[i,k,2]
} ###Close loop over outcomes
} ###Close loop over arms
alpha[i,2,1] <- 0
alpha[i,2,2] <- 0
alpha[i,1,1:2] ~ dnorm(0,.0001)
beta[i,2,1:2] ~ dmnorm(d[1:2],prec[,])
beta[i,1,1] <- 0
beta[i,1,2] <- 0
## priors on within study cov matrix
with[i,1:2,1:2] <- inverse(cov.mat[i,1:2,1:2])
#define elements of within-study covariance matrix
cov.mat[i,1,1] <- 1
cov.mat[i,2,2] <- 1
### prior from IPD data ######
cov.mat[i,1,2] ~ dbeta(a[i],b[i])
cov.mat[i,2,1] <- cov.mat[i,1,2]
a[i]<-31.97
b[i]<- 4.52
}#### Close loop over studies
for (i in 1:2) {
d[i] ~ dnorm(0.0000E+00, 0.0001) # overall treatment effects
}
## priors on between study cov matrix
prec[1:2,1:2]<-inverse(tau[1:2,1:2])
pi<-3.14/2
a1~dunif(0, pi)
rho.tau<-cos(a1)
sd[1]~dunif(0,2)
sd[2]~dunif(0,2)
tau[1,1]<-pow(sd[1],2)
tau[2,2]<-pow(sd[2],2)
tau[2,1]<-tau[1,2]
tau[1,2]<-sd[1]*sd[2]*rho.tau
} #END MODEL
这些是我的数据:
list(ns=2)
t[,1,1] t[,1,2] t[,2,1] t[,2,2] r[,1,1] n[,1,1] r[,2,1] n[,2,1] r[,1,2] n[,1,2] r[,2,2] n[,2,2]
1 0 1 0 19 77 23 77 60 82 70 82
1 0 1 0 27 199 54 199 231 393 318 393
END
模型在语法上是正确的,它允许我加载数据。 一旦我编译,我得到标题中的错误。 感谢您给予的任何帮助
答案 0 :(得分:0)
看起来好像你正在输入一个2乘2的矩阵到这里的多元正态分布的平均值。
z[i,1:2,k] ~ dmnorm(theta[i,,],with[i,,])I(-5, 5) #latent variable (z<0) or Probit link
然而,似乎z
只是长度为2的向量。您需要将一个向量输入dmnorm
的均值并给它一个关联的方差协方差矩阵(即如果你提供的话)一个长度为3的向量,它需要有一个3乘3的方差协方差矩阵)。现在你有2×2矩阵输入到平均值(4个参数)和2乘2方差协方差矩阵。由于我真的不知道模型背后的动机,我无法提供任何关于如何解决它本身的建议,但在我看来,你需要更多地索引theta
以防止推杆一个矩阵到dmnorm
。