Узел, несовместимый с родителями в модели JAGS (R)
Я новичок в JAGS и пытаюсь провести простую логистическую регрессию. Мой файл данных очень прост: ответ является двоичным, и один используемый мной предиктор имеет три уровня. Как это:
col1: 1 2 2 2 1 1 1 2 1 2 ...
col2: HLL, HLL, LHL, LLL, LHL, HLL ...
Фиктивная кодировка
Уровни в col2
являются HLL, LHL, LLL
, Я фиктивно закодировал его и создал фрейм данных, который выглядит следующим образом:
(intercept) HLL LHL LLL
1 1 0 0 1
2 1 0 0 1
4 1 0 0 1
5 1 0 1 0
6 1 0 1 0
7 1 0 0 1
Список данных
Мой файл данных (myList
), тогда выглядит так:
List of 5
$ y : num [1:107881] 2 2 2 2 2 2 2 2 2 2 ...
$ N : num 500
$ HLL: num [1:107881] 0 0 0 0 0 0 0 0 0 0 ...
$ LHL: num [1:107881] 0 0 0 1 1 0 0 0 0 1 ...
$ LLL: num [1:107881] 1 1 1 0 0 1 1 1 1 0 ...
я использую N=500
потому что полный кадр данных огромен, и я просто хочу проверить это.
модель
cat(
"model {
for( i in 1 : N ){
y[i] ~ dbern(mu[i])
mu[i] <- 1/(1+exp(-(a + b*HLL[i] + c*LHL[i] + d*LLL[i])))
}
a ~ dnorm(0, 1.0e-12)
b ~ dnorm(0, 1.0e-12)
c ~ dnorm(0, 1.0e-12)
d ~ dnorm(0, 1.0e-12)
}", file = "model.txt"
)
Бегущая модель + ошибка
model = jags.model(file = "model.txt",
data = myList,
n.chains = 3, n.adapt = 500)
Я получаю ошибку
Error in jags.model(file = "model.txt", data = antPenList, n.chains = 3, :
Error in node y[1]
Node inconsistent with parents
1 ответ
Распределение dbern ожидает ответа в {0,1}, а не {1,2}, как кажется, что вы его закодировали, поэтому вам нужно вычесть 1 из ваших значений y.
Немного странно, что вы получаете эту ошибку, так как dbern обычно не выдает ошибку для других значений ответа (в основном она составляет <0 = 0 и>1 = 1). Вероятно, ошибка связана с тем, что ответ соответствует одному и тому же значению, но если это не помогает, вы можете попробовать следующее:
1) Попробуйте немного повысить точность ваших априорных значений для a/b/c/d - разница 10^12 довольно велика
2) вместо:
mu[i] <- 1/(1+exp(-(a + b*HLL[i] + c*LHL[i] + d*LLL[i])))
Вы могли бы написать:
logit(mu[i]) <- -(a + b*HLL[i] + c*LHL[i] + d*LLL[i])
Это также может помочь JAGS распознать это как GLM и запустить соответствующие сэмплеры - не забудьте загрузить модуль glm.
3) Установите некоторые начальные значения для a/b/c/d, которые примерно соответствуют вашим данным (возможно, полученные с использованием соответствия с glm() в R)
Я решил это с
mu[i] <- 1/(1.000001+exp(-(a + b*HLL[i] + c*LHL[i] + d*LLL[i])))