拟合多项式模型时runjags中的错误：“部分观察到，部分丢失”

Question

我是第一次接触Jags，我正在尝试将多项式模型应用到我的数据中。当我运行代码时，我得到以下错误：“部分观察到positive.counts1，1:9，部分丢失”。我用谷歌搜索了一下，我发现这是因为一个节点不能同时有观察值和缺失值。这是因为在我的数据中(参见下面的代码)，值和NA在同一行中。如果我用0值替换NA，模型就能正常工作。有谁有解决这个问题的办法吗？下面你可以找到数据和代码！

在此之前，非常感谢，

Elisa

##########################################################################
# load jags
library(runjags)

# define the data: 
data <- list("N_cases"=c(978,737, 737, 1189,  270,  268), "positive.counts" = matrix(c(649 ,567 ,464 ,821,  98, 117,203 , 133,  81, 290,  41,  26,3, 7, 4, 6, 5, 0,NA, NA, NA, NA, 20, 19,24, 15,  3, NA, 21, 15,NA,  NA, 184,  NA,  17,  23, NA, NA, NA, NA, 26, 17,99, 15,  1, 72, 14, 25,NA, NA, NA, NA, 28, 26),6,9), "n"= 6,"n_responses" = 9)

# define the model
model {   mu.w <- 0
          prec <- 0.5
          for (s in 1:n_responses) {
            w[s] ~ dnorm(mu.w, prec);
            a[s] <- exp(w[s]); # positive parameter
          }
          for (i in 1:n){
            positive.counts[i,1:n_responses] ~ dmulti(p[i,1:n_responses], N_cases[i])
          }  
            for(i in 1:n){  
            for (s in 1:n_responses) {
              delta[i, s] ~ dgamma(a[s], 1)
            }
          }
          for(i in 1:n){  
            for (s in 1:n_responses) {
              p[i, s] <- delta[i,s] / sum(delta[i,1:n_responses])
            }
          }
        }  

# run the model
n.adapt=1000
n.burn=5000
n.iters=10000
n.chains <- 5;
n.total.samples <- 10000
n.samples.per.chain <- (n.total.samples %/% n.chains) 
n.thin <- n.iters %/% n.samples.per.chain; if(n.thin==0) n.thin <- 1;

tomonitor <- c("a","p")

mcmc.post <- run.jags(model="multi_model.jags",
                                  data=data,
                                   method="parallel", 
                                  sample=n.samples.per.chain, 
                                  burnin=n.burn,
                                  adapt=n.adapt,
                                  n.chains=n.chains,
                                  thin=n.thin,
                                  monitor= tomonitor);

Answer 1

正如您已经发现的，JAGS不允许您对部分观察到的多项式分布进行建模。这是一个限制。如果您将NA替换为零，您不再会说“我没有行和列变量组合的数据”，而是“我没有观察到这种行和列变量组合的事件”。因此，模型将(可能)运行并产生一些输出。但您不再对观察到的数据集进行建模。因此，模型的结果不再适用于您的数据。你从中得出的结论是无效的。

因此，您需要一种方法来模拟具有不完整观测值的多项式数据。一种方法是将数据转换为一系列相关的二项式变量。对于具有k个类别的多项式数据中的每个类别ci，创建一个二项式变量Yi ~ Bin(pi，n)，其中n是观察值的数量(数据中的N_cases？)通过预测的组合(您的数据中的positive.counts行？)和pi = Prob(x >= ci)。换句话说，pi是具有相关预测变量集的观察值属于类别ci或更高类别的概率。(因此，根据定义，p1 =1。)

如果这个解释有点抽象，我很抱歉，但是你给了我们你的代码，但没有上下文。我不能用你的实际模型来解释它，因为我不知道它是什么。

在this post中给出了两种在JAGS中拟合这种模型的方法。你可以相信答案的作者。他是马丁·普卢默。他写的是JAGS。