WinBUGS错误：向量值关系z必须包含变量的连续元素

我想为我的二进制数据建立一个多元Probit模型。我一直在尝试一切，但WinBUGS作为回报给了我这个错误。任何想法或建议受到热烈欢迎。WinBUGS错误：向量值关系z必须包含变量的连续元素

模型{ 的（我在1：NS）{##环以上研究

for (k in 1:2){ ### loop over arm 
    for (j in 1:2){ ### loop over outcomes 

    r[i,k,j] ~ dbin(p[i,k,j],n[i,k,j]);    ## Likelihood Function 
    p[i,k,j] <- phi(z[i,k,j]) 
    z[i,k,1:2] ~ dmnorm(theta[i,1:2],with[i,,])I(-5, 5) #latent variable (z<0) or Probit link  

    theta[i,1] <- alpha[i,k,1] + beta[i,k,1] 
    theta[i,2] <- alpha[i,k,2] + beta[i,k,2] 
    } ###Close loop over outcomes 

    } ###Close loop over arms 

alpha[i,2,1] <- 0 
alpha[i,2,2] <- 0 
alpha[i,1,1:2] ~ dnorm(0,.0001) 
beta[i,2,1:2] ~ dmnorm(d[1:2],prec[,])  
beta[i,1,1] <- 0 
beta[i,1,2] <- 0 


## priors on within study cov matrix 
with[i,1:2,1:2] <- inverse(cov.mat[i,1:2,1:2]) 


    #define elements of within-study covariance matrix 
    cov.mat[i,1,1] <- 1 
    cov.mat[i,2,2] <- 1 
    ### prior from IPD data ###### 
    cov.mat[i,1,2] ~ dbeta(a[i],b[i]) 
    cov.mat[i,2,1] <- cov.mat[i,1,2] 
    a[i]<-31.97 
    b[i]<- 4.52     

}#### Close loop over studies  

for (i in 1:2) { 
    d[i] ~ dnorm(0.0000E+00, 0.0001) # overall treatment effects 
} 
## priors on between study cov matrix 
prec[1:2,1:2]<-inverse(tau[1:2,1:2]) 
pi<-3.14/2 
a1~dunif(0, pi) 
rho.tau<-cos(a1) 
sd[1]~dunif(0,2) 
sd[2]~dunif(0,2) 
tau[1,1]<-pow(sd[1],2) 
tau[2,2]<-pow(sd[2],2) 
tau[2,1]<-tau[1,2] 
tau[1,2]<-sd[1]*sd[2]*rho.tau 
}  #END MODEL

这是我的数据：

list(ns=2) 
t[,1,1] t[,1,2] t[,2,1] t[,2,2] r[,1,1] n[,1,1] r[,2,1] n[,2,1] r[,1,2]  n[,1,2] r[,2,2] n[,2,2] 
1 0 1 0 19 77 23 77 60 82 70 82 
1 0 1 0 27 199 54 199 231 393 318 393 
END

该模型是语法正确的，它可以让我加载数据。一旦我编译，我得到标题中的错误。感谢您给予的任何帮助

来源

2016-09-07 statsmess

它看起来好像是在这里输入一个2乘2矩阵到多变量正态分布的均值。

z[i,1:2,k] ~ dmnorm(theta[i,,],with[i,,])I(-5, 5) #latent variable (z<0) or Probit link

然而，看起来仿佛z仅仅是一个长度为2的向量你需要输入一个载体导入的dmnorm平均值，并给它的相关联的方差协方差矩阵（即，如果你提供长度的矢量3，它需要一个3×3方差协方差矩阵）。现在你有一个2×2的矩阵输入到均值（4个参数）和一个2×2的方差协方差矩阵。由于我不知道模型背后的动机，我无法就如何解决这一问题提供任何建议，但在我看来，为了防止将矩阵放入dmnorm中，您需要多索引theta 。

来源

2016-09-20 13:26:43

感谢您的回复。我试图将两个二元结果测量结果一起进行荟萃分析。我有r_ikj，这是第i次研究（i = 1，...，n），第k次手臂（j = 1,2）和第j次结果（j = 1,2））谁回应了这个理论，我假定这个数量遵循二项分布，例如rikj〜Bin（p_ikj，n_ikj）。我有每个研究，手臂和结果的患者人数总数，并且我决定使用probit模型将p_ikj映射到实际的线上。 p_ikj =φ（α_ij+β_ikj·X_K）其中 z_ikj =α_ij+β_ikj·X_K + e_ikj， – statsmess

然后我假定 e_ik =（IK1，IK2）”〜BV N（0，R） ∀i，K，J，这意味着（zik1，zik2）” ~BN（THETA，SIGMA）其中theta是等于 α_i1+β_ik1·X_K的向量 α_i2+β_ik2·X_K 和Sigma是相关矩阵，其中对角元素为1，非对角元素为ρho。我修改了代码，我会尝试编辑最初的帖子来向你展示我是如何做到的。它仍然无法正常工作。 – statsmess

WinBUGS错误：向量值关系z必须包含变量的连续元素

回答

相关问题