Блог

Я супер новичок в байесовском анализе и пытаюсь практиковаться на примере классических моделей захвата-повторного захвата: Mh2

Это мой код

 nind <- dim(venados)[1] 
K <- 43 
ntraps <- 13
M <- 150 
nz <- M - nind 
Yaug <- array(0, dim = c(M, ntraps, K))
Yaug[1:nind,,] <- venados
y <- apply(Yaug, c(1,3), sum) 
y[y > 1] <- 1
  

 Bundle data
data1 <- list(y = y, nz = nz, nind = nind, K = K, sup = Buffer)

# Model JAGS 
sink("Mh2_jags.txt")
cat("
    model{

  # Priors
    p0 ~ dunif(0,1)
    mup <- log(p0/(1-p0))
    sigmap ~ dunif(0,10)
    taup <- 1/(sigmap*sigmap)
    psi ~ dunif(0,1)  

  # Likelihood
    for (i in 1:(nind nz)) {   
    z[i] ~ dbern(psi)
    lp[i] ~ dnorm(mup,taup)
    logit(p[i]) <- lp[i]
    y[i] ~ dbin(mu[i],K)  
 } # i

    N <- sum(z[1:(nind nz)])
    D <- N/sup*100
} # modelo
",fill = TRUE)
sink()

# Inicial values
inits <- function(){list(z = as.numeric(y >= 1), psi = 0.6, p0 = runif(1), sigmap = runif(1, 0.7, 1.2), lp = rnorm(M, -0.2))}

params1 <- c("p0","sigmap","psi","N","D")

# MCMC 
ni <- 10000; nt <- 1; nb <- 1000; nc <- 3

# JAGS and posteriors
fM2 <- jags(data1, inits, params1, "Mh2_jags.txt", n.chains = nc, n.thin = nt, n.iter = ni, n.burnin = nb)
  

Я получил это сообщение об ошибке

 Processing function input....... 

Done. 
 
Compiling model graph
   Resolving undeclared variables
Deleting model

Error in jags.model(file = model.file, data = data, inits = inits, n.chains = n.chains,  : 
  RUNTIME ERROR:
Compilation error on line 16.
Dimension mismatch in subset expression of y
  

Я читал, что некоторые буквы, такие как s и n, должны быть изменены. Однако,
Я не знаю, что делать. Пожалуйста, если бы вы могли дать совет.

Большое вам спасибо

Проблема в том, что y является двумерной, но модель предполагает, что она одномерная. Если вы предполагаете, что вторичные опросы являются i.i.d. испытаниями Бернулли (и в каждой сессии были K испытания) n, тогда вам просто нужно было бы взять сумму строк y матрицы. Предполагая, что это так, вам просто нужно изменить пару строк в верхней части этого скрипта.

 nind <- dim(venados)[1] 
K <- 43 
ntraps <- 13
M <- 150 
nz <- M - nind 
Yaug <- array(0, dim = c(M, ntraps, K))
Yaug[1:nind,,] <- venados
y <- apply(Yaug, c(1,3), sum) 
y[y > 1] <- 1

# Take the rowSum
y_vector <- rowSums(y)

# Use y_vector instead of y
data1 <- list(y = y_vector, nz = nz, nind = nind, K = K, sup = Buffer)
  

И наоборот, если бы вы хотели включить ковариаты для процесса наблюдения (а эти ковариаты варьируются в зависимости от опроса), вы бы использовали матрицу y и модифицировали модель.

 sink("Mh2_jags_Kloop.txt")
cat("
    model{

  # Priors
    p0 ~ dunif(0,1)
    mup <- log(p0/(1-p0))
    sigmap ~ dunif(0,10)
    taup <- 1/(sigmap*sigmap)
    psi ~ dunif(0,1)  

  # Likelihood
    for (i in 1:(nind nz)) {   
    z[i] ~ dbern(psi)
    lp[i] ~ dnorm(mup,taup)
    logit(p[i]) <- lp[i]
      # Loop over K surveys
      for(j in 1:K){
        y[i,j] ~ dbern(p[i]*z[i])
    }  
 } # i

    N <- sum(z[1:(nind nz)])
    D <- N/sup*100
} # modelo
",fill = TRUE)
sink()
  

Наконец, вы не указываете, что mu находится внутри модели. Я думаю, вы хотите, чтобы это было p , но вам также необходимо связать модель скрытого состояния с моделью состояния наблюдения (если z=0 тогда этот индивидуум не может быть выбран. В этом случае вы бы интерпретировали psi как вероятность того, что nind nz люди находятся на вашем сайте.

 # Model JAGS 
sink("Mh2_jags.txt")
cat("
    model{

  # Priors
    p0 ~ dunif(0,1)
    mup <- log(p0/(1-p0))
    sigmap ~ dunif(0,10)
    taup <- 1/(sigmap*sigmap)
    psi ~ dunif(0,1)  

  # Likelihood
    for (i in 1:(nind nz)) {   
    z[i] ~ dbern(psi)
    lp[i] ~ dnorm(mup,taup)
    logit(p[i]) <- lp[i]
    y[i] ~ dbin(p[i] * z[i],K)  
 } # i

    N <- sum(z[1:(nind nz)])
    D <- N/sup*100
} # modelo
",fill = TRUE)
sink()