Question

我正在为贝叶斯入门分析课程设计一个项目，并且我对定期使用R还很陌生。我们应该使用发现或放在一起的数据集构建层次模型。我将数据集放在一起来分析一个国家的社会自由及其财富在多大程度上影响其幸福的问题。数据集如下所示：

      Country Country.ID Year Happiness.Score   GDP.PPP Status
1 Afghanistan          1 2015           3.575  1766.593      1
2 Afghanistan          1 2016           3.360  1757.023      1
3 Afghanistan          1 2017           3.794  1758.466      1
4     Albania          2 2015           4.959 10971.044      2
5     Albania          2 2016           4.655 11356.717      2
6     Albania          2 2017           4.644 11803.282      2

状态从Freedom House中获取，我将其转换为整数，1表示非自由，2表示部分自由，而3表示自由社会。对于我的第一个模型，我不想添加GDP数据。

我整理了看起来与我们在课堂上看到的示例相同的代码，但是我遇到了麻烦，不确定如何解决它。

这是我设置所有内容的方式，从创建列表到建模，设置先验和运行jags命令：

#Making lists and assigning loop numbers
Num.Obs <- 460
Country <- impute.set1[,2]
Year <- impute.set1[,3]
Happiness.Score <- impute.set1[,4]
GDP.PPP <- impute.set1[,5]
Status <- unique(impute.set1[,6])
Num.Status <- 3

#Modeling
model1 <- function(){
  #Data Model
  for (i in 1:Num.Obs){
    #Observations at Country Level
    Happiness.Score[i] ~ dnorm(mu[i], tau.Happiness.Score)
    #Random Intercept and slope(alpha is intercetp, beta1 of country and time)
    mu[i] <- alpha[Country[i]] + beta1[Country[i]]*Year[i]
  }
  #Priors
  for (j in 1:Num.Status){
    alpha[j] ~ dnorm(mu.alpha, tau.alpha)
    beta1[j] ~ dnorm(mu.beta1[Status[j]], tau.beta1)
  }
  mu.alpha ~ dnorm(0, 0.01)
  tau.alpha ~ dnorm(0, 0.01)
  sigma.alpha ~ dunif(0, 10)

  mu.beta1[1] ~ dnorm(0, 0.01)
  mu.beta1[2] ~ dnorm(0, 0.01)
  mu.beta1[3] ~ dnorm(0, 0.01)
  tau.beta1 ~ dnorm(0, 0.01)
  sigma.beta1 ~ dunif(0, 10)

  tau.Happiness.Score ~ dnorm(0, 0.01)
  sigma.Happiness.Score ~ dnorm(0, 0.01)
}

#Listing my lists and parameters I want to save for final use
MyVars1data <- list(Country=Country, Year=Year, Status=Status, Happiness.Score=Happiness.Score,
                    Num.Obs=Num.Obs, Num.Status=Num.Status)
params <- c("mu.alpha", "mu.beta1[1]", "mu.beta1[2]", "mu.beta1[3]", "sigma.Happiness.Score")

#Implement Jags
m1 <- jags(MyVars1data,
           model.file = model1,
           parameters.to.save = params,
           n.chains = 3,
           inits = NULL,
           n.iter = 10000,
           n.burnin = 5000,
           progress.bar = "text")

我最终遇到一个看起来像这样的错误：

Error in jags.model(model.file, data = data, inits = init.values, n.chains = n.chains,  : 
  RUNTIME ERROR:
Compilation error on line 5.
Index out of range taking subset of  alpha

我的数据集中有460个观测值。我正在查看制作的循环，我认为i应该从1变为460。我相信错误在这里：mu[i] <- alpha[Country[i]] + beta1[Country[i]]*Year[i]我在看错地方了吗？

有人可以帮我调试吗？任何帮助将不胜感激。

使用R2jags建立分层模型

0 个答案: