Не могу понять, чего не хватает в моем коде функции R - мешать ему нормально работать

Question

Я пытаюсь провести Байесовский анализ занятости с ковариатами сайта.Мой первый шаг - сделать функцию.Я продолжаю получать + в моей консоли R, указывая, что он считает мой код неполным.Разбирая строки по отдельности, я почти уверен, что проблема заключается в первой строке кода.Тем не менее, я не могу понять, где именно я что-то упустил и, следовательно, где проблема изначально лежит.

data.fn <- function(R = 39, T = 14, xmin= 0, xmax= 1, alpha.psi = 0.4567,
                beta.psi = 0.0338, alpha.p = 0.4, beta.p = 0.4) {
y <- array(dim = c(R,T)) #This creates an array for counts
  #Ecological Process
  #Covariate values
X <- sort(runif(n=R, min = xmin, max = xmax))
#Expected occurence-covariate relationship
 psi <- plogis(alpha.psi + beta.psi *X) #this applies the inverse logit

 #Add Bernoulli Noise - drawing indicator of occurence (z) from bernoulli psi 
 z<- rbinom(n = R, size = 1, prob = psi)
 occ.fs <- sum(z) #"Finite Sample Occupancy"
 "Make a census"
  p.eff <- z*p
  for (i in 1:T) {
    y[,i] <- rbinom(n=R, size = 1, prob = p.eff)
  }
}

Есть еще код - то есть функция {} завершена, но проблема началась еще до того, как она была запущена, и у меня продолжают возникать проблемы с загрузкой кода в стек.Сообщение об ошибке просто + все вниз по левой стороне консоли R

РЕДАКТИРОВАТЬ

Может ли быть что-то не так с тем, как R воспринимает вещи?Например, со следующим кодом

naive.pred <- plogis(predict(glm(apply(y, 1, max) ~ X + I (X^2),
                             family = binomial)))

Я получил сообщение об ошибке - неожиданный символ (скобка) в семействе = бином, но каждая скобка спарена правильно - нет лишних лишних скобок?

Answer 1

Хотя я не видел проблемы + при просмотре вашего кода, вы неправильно моделируете наблюдаемые данные, и внутри вашей функции был объект p, которому не был передан аргумент. Вы создали логитный линейный предиктор для psi, используя alpha.psi и beta.psi, однако вам не хватает логитного линейного предиктора для вероятности обнаружения вида, если он существует с использованием alpha.p и beta.p. Предполагая, что ковариат X используется как для скрытого состояния занятости, так и для модели наблюдения, код должен стать.

data.fn <- function(R = 39, T = 14, xmin= 0, xmax= 1, alpha.psi = 0.4567,
                                        beta.psi = 0.0338, alpha.p = 0.4, beta.p = 0.4) {
    y <- array(dim = c(R,T)) #This creates an array for counts
    #Ecological Process
    #Covariate values
    X <- sort(runif(n=R, min = xmin, max = xmax))
    #Expected occurence-covariate relationship
    psi <- plogis(alpha.psi + beta.psi *X) #this applies the inverse logit

    #Add Bernoulli Noise - drawing indicator of occurence (z) from bernoulli psi 
    z<- rbinom(n = R, size = 1, prob = psi)
    occ.fs <- sum(z) #"Finite Sample Occupancy"
    # Linear predictor for detection,
    #  assuming the same covariate is used for detection
    p.eff <- plogis(alpha.p + beta.p * X)
    for (i in 1:T) {
        y[,i] <- rbinom(n=R, size = 1, prob = p.eff * z)
    }
    return(list(y = y, z = z, X = X, occ.fs = occ.fs))
}

В этом коде предполагается, что вы передаете параметры логит-масштаба в данные, поэтому, если вы пытаетесь смоделировать данные таким образом, чтобы X оказал очень незначительное и положительное влияние на занятость, то вы, так сказать, не участвуете в гонках. , Если вы ищете более выраженный эффект, чем вы должны увеличить размер эффекта. Наконец, 39 сайтов - это очень мало для анализа занятости, учитывая, что двоичные данные обнаружения / отсутствия обнаружения весьма бедны информацией. Не удивляйтесь, если ваши апостериорные оценки, полученные при анализе набора данных, на самом деле не возвращают параметры, использованные для моделирования данных.