R中的二项式CARBayes

Question

我正在处理一个响应为二进制0或1的空间数据集。我想估计beta系数并说明空间自相关，因此我尝试使用CARBayes软件包{{1} }和S.CARleroux。但是，有时当我执行此操作时，结果是系数的分布，但是对于其他数据集（格式相同），迹线图保持平坦，有效样本数family="binomial"为0。 例如，在这种情况下，似乎采样正在运行，然后实质上失败了：

在其他情况下，同样使用非常相似的数据集，结果为

我使用的代码是：n.effective

在第二种情况下，输出为

car.prox <- S.CARleroux(formula=f, data = df, W=W, family="binomial",burnin=burn.in, n.sample=n.sample,thin=20, trials=rep(1,nrow(df)), rho = 1, verbose=TRUE)

我该如何解决这一问题并以考虑空间自相关的方式获得系数的分布？

可复制的示例：

#################
#### Model fitted
#################
Likelihood model - Binomial (logit link function) 
Random effects model - Leroux CAR
Regression equation - y ~ var2 + var3 + var4 + var5 + var6 + 
    var7 + var8 + var9 + var10
Number of missing observations - 0

############
#### Results
############
Posterior quantities and DIC

                Median       2.5%      97.5% n.sample % accept n.effective
(Intercept)   -12.2061   -12.2061   -12.2061    10000      0.8         0.0
var2           -1.7098    -1.7098    -1.7098    10000      0.8         0.0
var3            6.2169     6.2169     6.2169    10000      0.8         0.0
var4           21.3834    21.3834    21.3834    10000      0.8         0.0
var5           -8.3727    -8.3727    -8.3727    10000      0.8         0.0
var6            7.8046     7.8046     7.8046    10000      0.8         0.0
var7            2.3668     2.3668     2.3668    10000      0.8         0.0
var8           -8.7651    -8.7651    -8.7651    10000      0.8         0.0
var9           -1.0197    -1.0197    -1.0197    10000      0.8         0.0
var10          -3.6726    -3.6726    -3.6726    10000      0.8         0.0
tau2        11022.7758 10122.9703 12068.6439    10000    100.0      4420.2
rho             1.0000     1.0000     1.0000       NA       NA          NA
            Geweke.diag
(Intercept)         NaN
var2                NaN
var3                NaN
var4                NaN
var5                NaN
var6                NaN
var7                NaN
var8                NaN
var9                NaN
var10               NaN
tau2               -2.3
rho                  NA

DIC =  NaN       p.d =  NaN       LMPL =  -2871.75