Как работать с «Несоответствующими параметрами с помощью функции inprod» в модели JAGS - PullRequest
Новая
       110

Как работать с «Несоответствующими параметрами с помощью функции inprod» в модели JAGS

1 голос
/ 29 апреля 2019

Я пытаюсь смоделировать дисперсию общего видового богатства с ковариатами среды обитания станции захвата камеры, используя R2jags. Тем не менее, я получаю сообщение об ошибке: 

"Error in jags.model(model.file, data = data, inits = init.values, n.chains = n.chains,  : 
  RUNTIME ERROR:
Non-conforming parameters in function inprod"

Я использовал очень похожую функцию в моей предыдущей модели JAGS (чтобы найти богатство видов), поэтому я не уверен, почему она сейчас не работает ...

Я уже пытался форматировать ковариаты в функции inprod по-разному, как фрейм данных и матрица, но безрезультатно.

Спецификация переменной: 

J=length(ustations) #number of camera stations

NSite=Global.Model$BUGSoutput$sims.list$Nsite
NS=apply(NSite,2,function(x)c(mean(x)))

###What I think is causing the problem:

COV <- data.frame(as.numeric(station.cov$NDVI), as.numeric(station.cov$TRI), as.numeric(station.cov$dist2edge), as.numeric(station.cov$dogs), as.numeric(station.cov$Leopard_captures))

###but I have also tried:

COV <- cbind(station.cov$NDVI, station.cov$TRI, station.cov$dist2edge, station.cov$dogs, station.cov$Leopard_captures)

модель JAGS: 

sink("Variance_model.txt")
cat("model {
# Priors
Y ~ dnorm(0,0.001)              #Mean richness
X ~ dnorm(0,0.001)              #Mean variance

for (a in 1:length(COV)){
U[a] ~ dnorm(0,0.001)}      #Variance covariates

# Likelihood
for (i in 1:J) { 
mu[i] <- Y          #Hyper-parameter for station-specific all richness
NS[i] ~ dnorm(mu[i], tau[i])   #Likelihood
tau[i] <- (1/sigma2[i])
log(sigma2[i]) <- X + inprod(U,COV[i,])
}
}
", fill=TRUE)
sink()

var.data <- list(NS = NS, 
                 COV = COV,
                 J=J)

Данные пакета: 

# Inits function
var.inits <- function(){list(
  Y =rnorm(1), 
  X =rnorm(1), 
  U =rnorm(length(COV)))}

# Parameters to estimate
var.params <- c("Y","X","U")

# MCMC settings
nc <- 3
ni <-20000
nb <- 10000
nthin <- 10

Запустить сэмплер Гиббса: 

jags(data=var.data,
     inits=var.inits,
     parameters.to.save=var.params,
     model.file="Variance_model.txt", 
     n.chains=nc,n.iter=ni,n.burnin=nb,n.thin=nthin)

В конечном итоге я получаю ошибку: 

Compiling model graph
   Resolving undeclared variables
   Allocating nodes
Deleting model

Error in jags.model(model.file, data = data, inits = init.values, n.chains = n.chains,  : 
  RUNTIME ERROR:
Non-conforming parameters in function inprod

В конце я хотел бы рассчитать средние и 95% вероятные интервалы (BCI) оценок ковариат среды обитания, предположительно влияющих на дисперсию богатства видов, специфичных для станций (на уровне точек).

Любая помощь будет принята с благодарностью!

1 Ответ

0 голосов
/ 29 апреля 2019

Похоже, вы используете length для генерации априорных значений для U. В JAGS эта функция будет возвращать количество элементов в массиве узлов. В этом случае это будет число строк в COV, умноженное на количество столбцов.

Вместо этого я бы поставил скаляр в ваш список data, который вы указали для jags.model. 

var.data <- list(NS = NS, 
                 COV = COV,
                 J=J,
                 ncov = ncol(COV)
)

После этого вы можете изменить код JAGS, в котором вы генерируете свои априоры, для U. Модель тогда станет: 

sink("Variance_model.txt")
cat("model {
# Priors
Y ~ dnorm(0,0.001)              #Mean richness
X ~ dnorm(0,0.001)              #Mean variance

for (a in 1:ncov){ # THIS IS THE ONLY LINE OF CODE THAT I MODIFIED
U[a] ~ dnorm(0,0.001)}      #Variance covariates

# Likelihood
for (i in 1:J) { 
mu[i] <- Y          #Hyper-parameter for station-specific all richness
NS[i] ~ dnorm(mu[i], tau[i])   #Likelihood
tau[i] <- (1/sigma2[i])
log(sigma2[i]) <- X + inprod(U,COV[i,])
}
}
", fill=TRUE)
sink()
...