N个数据集的R2WinBUGS运行仿真研究

Question

我有一些问题，弄清楚如何运行一些模拟研究使用R2WinBUGS。其目的是模拟n个数据集(目标为1000，但从10开始)，并将它们作为一个矩阵放入R2WinBUGS代码中，这样当它移植到WinBUGS时，它将运行n个数据集的估计值。以下是我目前所拥有的：

模式：

model{
      alpha0 ~ dnorm(66.6, 0.01)
      alpha1 ~ dnorm(0.3, 0.01)
      alpha2 ~ dnorm(100, 0.01)
      alpha3 ~ dnorm(0.2, 0.01)
      beta0 ~ dnorm(35, 0.01)
      beta1 ~ dnorm(80, 0.01)
      tau ~ dgamma(0.3,1)

    for(k in  1:Ndat) {
      y[k] ~ dnorm(mu[k], tau)
      mu[k] <- ((alpha0/(1 + exp(-alpha1*(28-beta0)))) + (alpha2/(1 + exp(-alpha3*(28-beta1)))))
    }
}

我使用的bug代码是：

grapedat.sim = bugs(data = list('Ndat' = Ndat, 'y' = p.y[,1]),inits,
                model.file="H:/R coding/R2WinBUGS/multsimt1.bug",
             parameters=c("alpha0","alpha1","alpha2","alpha3","beta0","beta1","tau"),
                n.chains=1,n.iter=8000,n.sim = 6000, 
n.burnin=2000,n.thin=1,
                bugs.directory="H:/WinBUGS14",
                codaPkg=FALSE,
                debug = T)

其中Ndat是数据集的数目，p.y.是一个13xn矩阵，其inits是：

inits <- function(){
  list(alpha0=70, alpha1=0.4, tau=0.15, alpha2=105, alpha3=0.25,beta0 = 
    40, beta1 = 85)
  }

有什么帮助吗？

Answer 1

理论上，您可以在单个BUGS模型中使用第二个(外部)循环，然后将y和mu作为矩阵索引，并将系数作为向量(例如(未经测试的))：

model{
    for(d in 1:n){
      alpha0[d] ~ dnorm(66.6, 0.01)
      alpha1[d] ~ dnorm(0.3, 0.01)
      alpha2[d] ~ dnorm(100, 0.01)
      alpha3[d] ~ dnorm(0.2, 0.01)
      beta0[d] ~ dnorm(35, 0.01)
      beta1[d] ~ dnorm(80, 0.01)
      tau[d] ~ dgamma(0.3,1)

      for(k in  1:Ndat) {
        y[k,d] ~ dnorm(mu[k,d], tau[d])
        mu[k,d] <- ((alpha0[d]/(1 + exp(-alpha1[d]*(28-beta0[d])))) +
                    (alpha2[d]/(1 + exp(-alpha3[d]*(28-beta1[d])))))
      }
    }
}

这对于n=10来说是可行的，但是对于n=1000来说会非常困难，所以通常不是一个很好的解决问题的方法。相反，我将独立地运行每个数据集/模型，在R中使用循环，如果您愿意使用JAGS而不是WinBUGS，那么您可以在runjags包中查看半自动的解决方案--即阅读本文的2.9节：https://www.jstatsoft.org/article/view/v071i09。

哑光