jags 贝叶斯线性回归，当先验相互依赖时如何设置先验？

Question

library(rjags)
jags_code = "model{
for (i in 1:n){
Y[i] ~ dnorm(mu[i], tau)
mu[i] <- beta0 + beta1*x[i]}

beta0 ~ dnorm(0,0.001)
beta1 ~ dnorm(0,0.001)
eta <- dgamma(0.1/2, 0.1/2)
tau ~ dgamma(5/2, 5*eta/2)"

jags_data = list(x = c(5,1,2,3,4),
                 Y = c(6,11,12,3,4), n=5)

jags_model = jags.model(textConnection(jags_code), data=jags_data)
update(jags_model, 10000)
samp <- coda.samples(jags_model, variable.names=c('beta0', 'beta1', 'eta'),
                     n.iter=5000)

summary(samp)
plot(samp)

嗨，我正在尝试运行吉布斯采样器并使用 rjags 拟合线性回归。但是，上面的代码会产生这样的错误。

Error in jags.model(textConnection(jags_code), data = jags_data) : 
Error parsing model file:
syntax error on line 10 near ""

我猜这是由于 tau 在其参数中包含 eta。我该如何解决？

Answer 1

您收到的错误消息是因为您没有提供右大括号来与 model 语句的左大括号配对。修复该错误后，您还会注意到您不小心使用了 eta <- 而不是 eta ~，这将导致错误

Incorrect number of arguments in function dgamma

所以，完全固定的代码是

library(rjags)
jags_code = "model{
for (i in 1:n){
Y[i] ~ dnorm(mu[i], tau)
mu[i] <- beta0 + beta1*x[i]}

beta0 ~ dnorm(0,0.001)
beta1 ~ dnorm(0,0.001)
eta ~ dgamma(0.1/2, 0.1/2)
tau ~ dgamma(5/2, 5*eta/2)}"

jags_data = list(x = c(5,1,2,3,4),
                 Y = c(6,11,12,3,4), n=5)

jags_model = jags.model(textConnection(jags_code), data=jags_data)

哪个运行就好了

jags 贝叶斯线性回归，当先验相互依赖时如何设置先验？

jags bayesian linear regression, how can i set priors when the priors are dependent each other?

r

bayesian

linear-regression

mcmc

jags