winbugs进行网络meta，点击update不迭代弹出trap错误框

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

winbugs进行网络meta，模型、数据以及初始值加载正确，点击update不迭代，直接跳出trap错误弹框，请路过的各位大神指教，谢谢！弹框和模型如图和附件
model {
        for(i in 1:ns) {
           w[i,1]<- 0
           delta[i,t[i,1]]<- 0
       
#Binomial Likelihood#
               
                for (k in 1:na[i]) {
                   r[i,t[i,k]] ~ dbin(p[i,t[i,k]],n[i,t[i,k]])                                                   
                }              
               
#Parameterization of the model#
               
                logit(p[i,t[i,1]])<- mu[i]
                               
                for (k in 2:na[i]) {
              logit(p[i,t[i,k]])<- mu[i] + delta[i,t[i,k]]
                        delta[i,t[i,k]] ~ dnorm(md[i,t[i,k]],taud[i,t[i,k]])
                        taud[i,t[i,k]]<- tau *2*(k-1)/k            
         md[i,t[i,k]]<-  d[t[i,k]] - d[t[i,1]]  + sw[i,k]                                                   
         w[i,k]<- (delta[i,t[i,k]]  - d[t[i,k]] + d[t[i,1]])         
         sw[i,k]<- sum(w[i,1:k-1])/(k-1)
                }
        }
       
#Priors#
       
        sd ~ dnorm(0,1)I(0,1)                                      
        tau<- 1/pow(sd,2)
       
        for(k in 1:(ref-1)) {
                d[k] ~ dnorm(0,.0001)
        }
        for(k in (ref+1):nt) {
                d[k] ~ dnorm(0,.0001)
        }
        for(i in 1:ns) {
                mu[i] ~ dnorm(0,.0001)   
        }
       
#Estimated & Predicted Odds Ratios#

        d[ref]<- 0

        for (c in 1:(ref-1)) {  
                OR.ref[c]<- exp(d[c] - d[ref])
                LOR.ref[c]<- d[c] - d[ref]
                predLOR.ref[c] ~ dnorm(LOR.ref[c],tau)
                predOR.ref[c]<- exp(predLOR.ref[c])
        }
        for (c in (ref+1):nt) {  
                OR.ref[c]<- exp(d[c] - d[ref])
                LOR.ref[c]<- d[c] - d[ref]
                predLOR.ref[c] ~ dnorm(LOR.ref[c],tau)
                predOR.ref[c]<- exp(predLOR.ref[c])
        }
        for(i in 1:(nt-1)) {
                for (j in (i+1):nt) {
                        OR[i,j]<- exp(d[i] - d[j])
                        LOR[i,j]<- d[i] - d[j]
                        predLOR[i,j] ~ dnorm(LOR[i,j],tau)
                        predOR[i,j]<- exp(predLOR[i,j])
                }
        }
       
#Ranking of treatments#

        for(k in 1:nt) {
                order[k]<- rank(d[],k)
# this is when the outcome is positive - omit  'nt+1-' when the outcome is negative
                most.effective[k]<-equals(order[k],1)
               
                for(j in 1:nt) {
                        effectiveness[k,j]<- equals(order[k],j)
                }
        }               
        for(k in 1:nt) {
                for(j in 1:nt) {
                        cumeffectiveness[k,j]<- sum(effectiveness[k,1:j])
                }
        }
       
#SUCRAS#

        for(k in 1:nt) {
                SUCRA[k]<- sum(cumeffectiveness[k,1:(nt-1)]) /(nt-1)
        }
       
#Fit of the Model#

        for(i in 1:ns) {
                for (k in 1:na[i]) {                       
                        Darm[i,k]<- -2*( r[i,t[i,k]] *log(n[i,t[i,k]]*p[i,t[i,k]]/ r[i,t[i,k]])+(n[i,t[i,k]] -                         r[i,t[i,k]])*log((n[i,t[i,k]]-n[i,t[i,k]]* p[i,t[i,k]])/(n[i,t[i,k]]- r[i,t[i,k]])))
                }
                D[i]<- sum(Darm[i,1:na[i]])
        }
        D.bar<- sum(D[])
}


#data#
list(ns = 11 , nt=9, ref=9,

r = structure(.Data=c(1,NA,NA,NA,NA,NA,NA,NA,1,
NA,4,NA,NA,NA,NA,NA,NA,7,
NA,NA,5,NA,NA,NA,NA,NA,4,
NA,NA,NA,9,NA,NA,NA,NA,9,
NA,NA,NA,14,NA,NA,NA,12,9,
NA,NA,4,NA,NA,NA,NA,NA,2,
NA,NA,NA,NA,5,NA,NA,NA,2,
NA,NA,NA,NA,NA,4,NA,NA,3,
NA,NA,NA,11,NA,NA,NA,9,3,
NA,NA,NA,NA,NA,NA,13,NA,12,
NA,NA,NA,2,NA,NA,NA,NA,1),.Dim=c( 11, 9 )),

n = structure(.Data=c(36,1,1,1,1,1,1,1,32,
1,45,1,1,1,1,1,1,43,
1,1,20,1,1,1,1,1,20,
1,1,1,33,1,1,1,1,33,
1,1,1,62,1,1,1,54,32,
1,1,7,1,1,1,1,1,6,
1,1,1,1,72,1,1,1,71,
1,1,1,1,1,37,1,1,37,
1,1,1,36,1,1,1,35,13,
1,1,1,1,1,1,17,1,15,
1,1,1,18,1,1,1,1,15),.Dim=c( 11, 9 )),

na=c(2,2,2,2,3,2,2,2,3,2,2),

t=structure(.Data=c(1,9,NA,2,9,NA,3,9,NA,4,9,NA,4,8,9,3,9,NA,5,9,NA,6,9,NA,4,8,9,7,9,NA,4,9,NA),.Dim=c(11,3))
)

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 update WINBUG date Trap update 网络meta winbugs

楼主，我也是一样的问题

Nicolle 发表于 2016-5-14 21:10
Trap and the Undefined real result indicates numerical overflow. Possible reasons include:

ini ...

老师您好！非常感谢您的关注与回复，我是临床医学专业的，对统计学知识比较欠缺，您精彩的英语回复，有许多专业词汇，我看不太明白，大概知道可能是初始值出了问题，您能告诉我应该怎么设置初始值吗？非常期待您的回应，非常感谢！

楼主，我们的代码是一样的，我也遇到了同样的问题，请问你后来怎么解决的？

楼主，我也遇到同样的问题，请问您是怎么解决的

求winbugs 老师指导

您好！winbugs中的偏斜正态分布函数是怎么表示的

您好，我也遇到了这个问题，想问下您是怎么解决的？

可以加qq或者微信吗？qq657179802