0
對於下面的邏輯迴歸模型,我希望能夠使用n(和y)的非整數值從後驗進行採樣。當部分數據可用或希望降低體重是可取的時,這可以發生在這種模型中。具有非整數權重的JAGS邏輯迴歸模型
model <- function() {
## Specify likelihood
for (i in 1:N1) {
y[i] ~ dbin(p[i], n[i])
logit(p[i]) <- log.alpha[1] + alpha[2] * d[i]
}
## Specify priors
alpha[1] <- exp(log.alpha[1])
alpha[2] <- exp(log.alpha[2])
Omega[1:2, 1:2] <- inverse(p2[, ])
log.alpha[1:2] ~ dmnorm(p1[], Omega[, ])
}
dbin需要n的整數值,因此在非整數n的情況下返回錯誤。
我已經讀過,應該可以用這個技巧做到這一點,但沒有得到它正常工作。幫助讚賞。
This works great!非常感謝你。我是否認爲bin_co是不必要的,因爲它是alpha中的常量? –
不,'bin_co'是非常必要的,因爲它隨每個數據點而變化(即二項係數)。由於'n'和'y'隨每個數據點而變化,'bin_co'也是如此。第二個原因是必要的,因爲二項式係數是二項式可能性的一部分。如果將其刪除,則在分析中不再使用二項式可能性。 –