求助：winbugs不能识别结果

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

该代码是用于项目反应理论三参数逻辑斯蒂克模型参数估计（模拟研究）。
出现问题：点击update 以后出现undefined real result，手册上说是因为先验分布信息太少，或者是初始值设置不合理，又或者是所有的初始值相等（刚开始是属于这种情况），然后修改了先验分布，将模型中的先验分布和模拟数据产生时使用的分布完全一致了，同时将初始值设置成使用相同的分布生成的数值，但还是出现相同的结果。求高人指点。

1. model{
   
2. for (i in 1:I){
   
3.     for(j in 1:J){
   
4.     u[i,j]~dbern(prob[i,j])
   
5.     prob[i,j]<-sigama[j]+(1-sigama[j])/(1+exp(-1.7*alpha[j]*(theta[i]-beta[j])))
   
6.                   }
   
7.      theta[i]~dnorm(0,1)
   
8.               }
   
9. for(j in 1:J){
   
10.     beta[j]~dnorm(0,1)
    
11.     alpha[j]~dnorm(1.5,4)I(0.3,)
    
12.     sigama[j]~dnorm(0.14,400)I(0,0.6)   
    
13.                }
    
14. }
    
15. Data
    
16. list(I=2000,J=20,u=structure(.Data=c(
    
17. 0,1,0,1,0,0,0,0,1,1,1,1,0,1,1,1,1,1,1,0,
    
18. 0,0,1,0,0,0,0,0,1,1,1,1,0,1,1,0,1,0,0,0,
    
19. 0,1,0,1,0,1,0,0,1,1,0,1,1,1,1,1,1,1,1,0,
    
20. 1,0,1,1,0,1,0,0,1,1,0,1,1,1,1,1,1,1,1,0,
    
21. .................................
    
22. 0,0,0,1,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1
    
23. ),.Dim=c(2000,20))
    
24. INITIAL VALUES list(alpha=c(2.1331,1.8252,1.8848,1.609,1.669,1.6624,1.5103,1.5122,1.6146,1.6429,1.8947,1.9623,1.6214,2.3868,1.6428,2.172,1.919,2.5106,2.0182,1.6313),beta=c(1.1007,1.0543,0.51895,0.99238,0.4619,0.59792,1.0263,-0.33336,1.1728,-1.353,1.0457,0.82378,-1.3457,0.6132,1.1928,0.011381,0.26673,-0.15905,-0.56521,0.71893),sigama=c(0.20715,0.20956,0.19662,0.15638,0.21313,0.15161,0.20096,0.19024,0.23827,0.24752,0.23289,0.18999,0.16499,0.21994,0.16884,0.21252,0.16736,0.16157,0.23182,0.21544),theta=c(-0.25444,1.3489,0.45834,0.38372,0.64509,-0.8273,-1.5101,-0.13244,0.16715,1.2068,0.28735,-0.1192,-1.2243,-0.66822,0.4938,-0.90008,
    
25. .................................
    
26. 1.722,0.97676,-0.15226,0.46129,-0.22874,0.67841,1.1065,-0.14765,-1.4985,-0.085821,1.537,0.12976,0.67201,1.0312,0.10261,-0.7796,0.1932,-1.3479,-0.12929,1.3374,0.42234,-0.06213,-0.76458,0.43218,0.051087,-0.78618))

复制代码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：winbugs WINBUG BUGS Win bug undefined result update

BUGS Code for Item Response Theory.pdf
     http://www.jstatsoft.org/v36/c01/paper
1. Two parameter logistic model (2PLM, Lord and Novick 1968).
2. Three parameter logistic model (3PLM, Birnbaum 1968).
3. Graded response model (GRM, Samejima 1969).
4. Generalized partial credit model (GPCM, Muraki 1992).
5. Testlet model (Bradlow, Wainer, and Wang 1999).
6. Generalized testlet model (Li, Bolt, and Fu 2006).

谢谢你的关注，这篇文章我看过了 ，里面只涉及到模型部分，没有data list 和inits value list部分，我这个代码可能是初值出问题了，可总是找不出来，我还之前给你发信息了，谢谢你！有空帮我看一下么 ？

epoh 发表于 2011-10-31 10:19
BUGS Code for Item Response Theory.pdf
     http://www.jstatsoft.org/v36/c01/paper
1. Two paramete ...

谢谢你的关注，这篇文章我看过了 ，里面只涉及到模型部分，没有data list 和inits value list部分，我这个代码可能是初值出问题了，可总是找不出来，我还之前给你发信息了，谢谢你！有空帮我看一下么 ？

## Three Parameter Logistic IRT Model
thpl.bug
thpl.dat
thpl_script
    3plm.rar (1.18 KB)

2011-10-31 19:07:00 上传

##################
library(R2WinBUGS)
Y <- as.matrix(read.table("c:/Bugs/3plm/thpl.dat"))
n <- nrow(Y)
p <- ncol(Y)
m.alpha <- 1.0
s.alpha <- 1.0
m.delta <- 0.0
s.delta <- 1.0
a.eta <- 1.0
b.eta <- 1.0
guess.ind <- c(0, 0, 0, 0, 1, 1, 1, 1, 1, 1)
data <- list("Y", "n", "p", "guess.ind",
             "m.alpha", "s.alpha",
             "m.delta", "s.delta",
             "a.eta", "b.eta")
parameters<- c("alpha", "delta", "theta", "eta")

thpl.sim <- bugs(data, inits=NULL, parameters.to.save=parameters,"thpl.bug",n.chains=1,
                 n.thin=1,n.iter=6500,n.burnin=4000,debug=TRUE,DIC=TRUE,
                 bugs.directory="d:/WinBUGS14/",working.directory = "c:/Bugs/3plm")
print(thpl.sim)

########result
Inference for Bugs model at "thpl.bug", fit using WinBUGS,
1 chains, each with 6500 iterations (first 4000 discarded)
n.sims = 2500 iterations saved
             mean   sd   2.5%    25%    50%    75%  97.5%
alpha[1]      0.3  0.2    0.0    0.1    0.2    0.4    0.7
alpha[2]      0.5  0.1    0.2    0.4    0.5    0.6    0.8
alpha[3]      0.4  0.2    0.1    0.3    0.4    0.6    0.9
alpha[4]      0.8  0.2    0.4    0.6    0.8    0.9    1.3
alpha[5]      1.1  0.9    0.1    0.3    0.9    1.7    3.0
alpha[6]      0.6  0.6    0.0    0.2    0.4    0.8    2.1
alpha[7]      0.7  0.3    0.2    0.5    0.6    0.8    1.4
alpha[8]      0.3  0.2    0.0    0.1    0.3    0.5    0.9
alpha[9]      0.0  0.0    0.0    0.0    0.0    0.1    0.1
alpha[10]     0.3  0.3    0.0    0.0    0.2    0.5    1.0
delta[1]     -0.2  0.7   -1.6   -0.6   -0.2    0.2    1.3
delta[2]     -2.0  0.5   -3.1   -2.3   -1.9   -1.6   -1.0
delta[3]     -0.4  0.5   -1.5   -0.7   -0.4   -0.2    0.6
delta[4]     -1.7  0.4   -2.7   -2.0   -1.7   -1.4   -1.0
delta[5]      2.3  0.3    1.9    2.0    2.1    2.6    2.7
delta[6]      1.2  0.1    1.0    1.1    1.2    1.3    1.3
delta[7]      0.4  0.2   -0.1    0.2    0.5    0.6    0.7
delta[8]      0.1  0.1   -0.1    0.0    0.1    0.2    0.3
delta[9]     -1.1  0.2   -1.5   -1.2   -1.1   -1.0   -0.9
delta[10]    -0.1  0.4   -0.8   -0.4    0.0    0.2    0.5
theta[1]      2.1  0.2    1.6    1.9    2.1    2.3    2.4
theta[2]      0.1  0.2   -0.4    0.0    0.1    0.3    0.5
theta[3]     -0.7  0.1   -0.9   -0.8   -0.7   -0.6   -0.4
theta[4]      0.2  0.1   -0.2    0.1    0.2    0.3    0.4
theta[5]     -0.5  0.2   -0.8   -0.7   -0.6   -0.4   -0.2
theta[6]     -1.5  0.1   -1.7   -1.6   -1.5   -1.4   -1.2
theta[7]     -1.0  0.3   -1.4   -1.2   -1.0   -0.9   -0.4
theta[8]     -1.6  0.4   -2.1   -2.0   -1.7   -1.3   -1.1
theta[9]     -0.7  0.3   -1.1   -0.9   -0.7   -0.5   -0.2
theta[10]     1.5  0.2    1.2    1.4    1.5    1.6    1.8
theta[11]    -0.4  0.1   -0.7   -0.5   -0.4   -0.3   -0.2
theta[12]    -0.6  0.2   -0.9   -0.7   -0.6   -0.5   -0.3
theta[13]     2.3  0.1    2.0    2.2    2.3    2.4    2.6
theta[14]     0.6  0.3    0.2    0.3    0.6    1.0    1.1
theta[15]    -1.3  0.2   -1.6   -1.5   -1.4   -1.1   -0.8
theta[16]    -0.7  0.2   -1.1   -0.9   -0.7   -0.6   -0.3
theta[17]     0.0  0.2   -0.3   -0.2    0.0    0.1    0.3
theta[18]    -0.3  0.1   -0.5   -0.4   -0.3   -0.3   -0.1
theta[19]    -0.4  0.3   -0.9   -0.6   -0.3   -0.2    0.0
theta[20]     0.9  0.1    0.7    0.8    0.9    1.0    1.1
theta[21]    -1.7  0.2   -2.0   -1.8   -1.7   -1.6   -1.3
theta[22]     1.9  0.2    1.4    1.6    1.9    2.0    2.2
theta[23]     0.6  0.2    0.3    0.5    0.5    0.7    1.0
theta[24]     1.0  0.1    0.8    1.0    1.1    1.1    1.2
theta[25]    -0.4  0.2   -0.7   -0.6   -0.3   -0.2    0.1
theta[26]    -0.6  0.2   -0.9   -0.7   -0.7   -0.5   -0.2
theta[27]    -1.3  0.1   -1.5   -1.3   -1.3   -1.2   -1.1
theta[28]     1.1  0.1    0.8    0.9    1.1    1.2    1.3
theta[29]     0.4  0.2    0.1    0.2    0.4    0.6    0.8
theta[30]     0.5  0.4   -0.1    0.2    0.3    0.9    1.2
theta[31]     0.5  0.2    0.2    0.3    0.5    0.6    0.8
theta[32]     0.8  0.1    0.6    0.7    0.8    0.9    1.1
theta[33]    -0.4  0.1   -0.5   -0.5   -0.4   -0.3   -0.1
theta[34]    -0.4  0.2   -0.8   -0.6   -0.5   -0.2    0.0
theta[35]     0.9  0.2    0.6    0.7    0.9    1.1    1.2
theta[36]     2.1  0.2    1.7    2.0    2.1    2.3    2.5
theta[37]     0.8  0.1    0.6    0.7    0.8    1.0    1.1
theta[38]    -1.4  0.2   -1.8   -1.6   -1.4   -1.2   -1.0
theta[39]    -0.6  0.1   -0.8   -0.7   -0.6   -0.6   -0.4
theta[40]    -0.9  0.1   -1.1   -1.0   -0.9   -0.8   -0.7
theta[41]    -0.6  0.2   -0.9   -0.8   -0.5   -0.4   -0.3
theta[42]    -0.5  0.1   -0.7   -0.6   -0.5   -0.4   -0.2
theta[43]     1.1  0.2    0.9    1.0    1.1    1.3    1.4
theta[44]    -1.0  0.1   -1.3   -1.1   -1.0   -0.9   -0.8
theta[45]     1.3  0.2    0.9    1.2    1.3    1.4    1.5
theta[46]     0.2  0.1   -0.1    0.2    0.2    0.3    0.5
theta[47]    -0.5  0.2   -0.8   -0.6   -0.5   -0.4   -0.1
theta[48]    -1.1  0.1   -1.3   -1.2   -1.1   -1.0   -0.9
theta[49]    -0.2  0.2   -0.5   -0.4   -0.2   -0.1    0.0
theta[50]    -0.5  0.1   -0.8   -0.6   -0.6   -0.4   -0.3
theta[51]    -0.7  0.1   -0.9   -0.8   -0.7   -0.6   -0.4
theta[52]    -0.4  0.1   -0.7   -0.5   -0.4   -0.3   -0.2
theta[53]    -0.2  0.1   -0.4   -0.3   -0.2   -0.2   -0.1
theta[54]    -0.5  0.1   -0.8   -0.6   -0.5   -0.4   -0.3
theta[55]     0.5  0.2    0.2    0.4    0.5    0.7    0.9
theta[56]    -0.3  0.2   -0.5   -0.4   -0.3   -0.1    0.1
theta[57]    -0.3  0.2   -0.6   -0.4   -0.2   -0.1    0.1
theta[58]    -0.3  0.1   -0.5   -0.3   -0.3   -0.2   -0.1
theta[59]    -0.7  0.2   -1.0   -0.9   -0.8   -0.6   -0.4
theta[60]     0.6  0.1    0.4    0.5    0.6    0.8    0.9
theta[61]     0.4  0.2    0.0    0.2    0.4    0.6    0.8
theta[62]     0.1  0.3   -0.4   -0.2   -0.1    0.4    0.6
theta[63]    -0.1  0.3   -0.6   -0.4   -0.1    0.0    0.2
theta[64]    -1.8  0.1   -2.0   -1.9   -1.8   -1.7   -1.6
theta[65]     2.3  0.3    1.8    2.0    2.4    2.6    2.8
theta[66]    -0.5  0.1   -0.6   -0.5   -0.5   -0.4   -0.3
theta[67]     0.0  0.2   -0.2   -0.1    0.0    0.1    0.3
theta[68]    -0.1  0.2   -0.5   -0.3    0.0    0.1    0.3
theta[69]    -2.0  0.2   -2.3   -2.1   -2.0   -1.8   -1.7
theta[70]    -0.3  0.1   -0.6   -0.4   -0.3   -0.2    0.0
theta[71]    -1.4  0.3   -1.9   -1.7   -1.4   -1.0   -0.9
theta[72]     1.6  0.3    1.1    1.4    1.7    1.9    2.0
theta[73]     0.7  0.1    0.5    0.6    0.7    0.8    1.1
theta[74]     0.5  0.2    0.2    0.3    0.4    0.5    0.9
theta[75]    -0.8  0.1   -1.0   -0.9   -0.8   -0.7   -0.6
theta[76]     0.6  0.2    0.1    0.5    0.7    0.8    1.0
theta[77]     0.7  0.1    0.5    0.6    0.6    0.8    1.0
theta[78]     0.9  0.2    0.7    0.8    0.9    1.0    1.2
theta[79]    -0.1  0.2   -0.4   -0.2    0.0    0.1    0.2
theta[80]    -0.8  0.2   -1.2   -1.1   -0.8   -0.6   -0.4
theta[81]    -1.1  0.1   -1.4   -1.2   -1.1   -1.0   -0.9
theta[82]    -0.7  0.1   -1.0   -0.8   -0.7   -0.6   -0.5
theta[83]     1.6  0.2    1.2    1.5    1.6    1.8    2.0
theta[84]    -0.1  0.3   -0.5   -0.4    0.0    0.1    0.3
theta[85]     0.4  0.5   -0.4    0.0    0.3    0.9    1.1
theta[86]    -0.5  0.2   -0.8   -0.7   -0.6   -0.3   -0.1
theta[87]    -0.9  0.2   -1.3   -1.1   -0.8   -0.7   -0.6
theta[88]    -0.2  0.2   -0.6   -0.3   -0.2    0.0    0.2
theta[89]     0.7  0.2    0.2    0.6    0.7    0.9    1.0
theta[90]     0.1  0.4   -0.7   -0.1    0.2    0.5    0.9
theta[91]    -0.5  0.1   -0.7   -0.6   -0.5   -0.4   -0.2
theta[92]     1.3  0.2    1.0    1.1    1.3    1.4    1.7
theta[93]    -1.6  0.4   -2.0   -1.9   -1.7   -1.1   -0.8
theta[94]    -0.8  0.3   -1.4   -1.1   -0.7   -0.5   -0.4
theta[95]    -0.4  0.1   -0.6   -0.5   -0.4   -0.3   -0.1
theta[96]     0.4  0.3   -0.1    0.1    0.3    0.5    1.0
theta[97]    -0.4  0.2   -0.7   -0.5   -0.4   -0.3   -0.1
theta[98]    -1.5  0.2   -1.7   -1.6   -1.5   -1.3   -1.1
theta[99]    -0.4  0.2   -0.9   -0.5   -0.4   -0.2   -0.1
theta[100]    0.0  0.2   -0.3   -0.2    0.0    0.1    0.3
eta[5]        0.3  0.1    0.0    0.1    0.3    0.4    0.5
eta[6]        0.5  0.1    0.3    0.4    0.5    0.6    0.7
eta[7]        0.1  0.1    0.0    0.0    0.1    0.1    0.2
eta[8]        0.2  0.1    0.0    0.1    0.2    0.3    0.4
eta[9]        0.0  0.0    0.0    0.0    0.0    0.0    0.1
eta[10]       0.0  0.0    0.0    0.0    0.0    0.0    0.1
deviance   1323.8 10.4 1300.0 1318.0 1325.0 1331.0 1342.0
DIC info (using the rule, pD = Dbar-Dhat)
pD = 2.8 and DIC = 1326.6
DIC is an estimate of expected predictive error (lower deviance is better).

非常好的程序

zhangtao 发表于 2011-11-1 08:24
非常好的程序

谢谢，能帮忙看看么，上面是使用 R语言的，对这个我还不懂呢，超级郁闷

Three Parameter Logistic IRT Model
学习学习

epoh 发表于 2011-10-31 19:08
## Three Parameter Logistic IRT Model
thpl.bug
thpl.dat

你好，可以提供winbugs的代码，或我上面应该怎么修改么，对R还没有学会。............

我没设initial values

用gen.inits()

数据已包含.

   thpl.rar (832 Bytes) 本附件包括：

• thpl.bug

2011-11-2 19:55:45 上传