R/JAGS 中子集表达式的维度不匹配

Question

我是 rJags 的新手。我在 R 中有一个 jag 模型（版本 4.3.0 (2023-04-21 ucrt)），使用 rjags (rjags_4-14)。

我正在尝试向我的模型添加“creek”的随机截距（在下面的数据中是干净的）。当使用下面的代码时，我收到错误：

jags.model(file = model.file, data = data, inits = inits, n.chains = n.chains, 中的错误： 运行时错误： 第 33 行出现编译错误。 Hobs 子集表达式中的维度不匹配

我知道这与我的数据表达有关，并且

滚刀

具体来说，但我不知道如何解决自己。我知道我可能需要做同样的事情

抽泣

我已经查看了有关此问题的其他多篇文章，但无法明确我的具体情况需要做什么。我猜我需要以某种方式将它们变成一个矩阵，但我不完全理解。

jags_data = list(
  nyrs = nrow(dat), 
  Hobs = dat$EST.1.100m, ##response variable
  Sobs = dat$Redds.100m,
  tauS = 1/0.3^2,
  tauH = 1/0.5^2,
  # number of observations for each group which is used to 
  # create the creek-specific random effect.
  n_creeks1 = max(n_creeks)
  )


jags_model = function() {
  # priors for fixed effects
  #alpha ~ dunif(1, 20)
  beta ~ dunif(0,1)
  sigmaR ~ dunif(0,3)
  tauR <- 1/sigmaR^2
  
  #priors for random effects
  mu_int~dnorm(0, 0.0001) # Mean hyperparameter for random intercepts
  sigma_int~dunif(0, 100) # SD hyperparameter for random intercepts
  tau_int <- 1/(sigma_int*sigma_int)
  
  for (i in 1:n_creeks1) {
    alpha[i]~dnorm(mu_int, tau_int) # Random intercepts
  }

  for (y in 1:1) {
    for (j in 1:n_creeks1) {
      Rmean[y,j] <- log(alpha[y,j])/beta 
      R[y,j] ~ dlnorm(log(Rmean[y,j]), tauR)
    }
  }

  for (y in 2:nyrs) {
    for (j in 1:n_creeks1) {
    Rmean[y,j] <- alpha[j] * S[y-1] * exp(-beta * S[y-1])
    R[y,j] ~ dlnorm(log(Rmean[y,j]), tauR)
    }
  }
 
  for (y in 1:nyrs) {
    for (j in 1:n_creeks1) {
      U[y,j] ~ dbeta(1,1)          
      H[y,j] <- R[y,j] * U[y,j]        
      S[y,j] <- R[y,j] * (1 - U[y,j]) 
    }
  }

  for (y in 1:nyrs) {
    for (j in 1:n_creeks1) {
    Sobs[y,j] ~ dlnorm(log(S[y,j]), tauS)
    Hobs[y,j] ~ dlnorm(log(H[y,j]), tauH)
    }
  }
 




jags_file_ranef = "model_ranef.txt"
write_model(jags_model, jags_file_ranef)


jags_inits = function(nc) {
  inits = list()
  for (c in 1:nc) {
    inits[[c]] = list(
      alpha = runif(n_creeks1, 4, 8),
      beta = runif(1, 0.1, 0.5),
      sigmaR = runif(1, 0.2, 0.5),
      U = with(jags_data, rbeta(nyrs, 100 * Hobs/(Hobs+Sobs), 100 * (1 - Hobs/(Hobs+Sobs)))),
      R = with(jags_data, rlnorm(nyrs, log(Hobs + Sobs), 0.1))
    )
  }
  return(inits)
}

jags_params = c(
  "alpha", "beta", "sigmaR",
  "R", "S", "H", "U")


jags_dims = c(
  ni = 50000,  # number of post-burn-in samples per chain
  nb = 20000,  # number of burn-in samples
  nt = 10,     # thinning rate
  nc = 2      # number of chains
)

with(as.list(jags_dims), ni/nt * nc)


post = jagsUI::jags.basic(
  data = jags_data,
  model.file = jags_file_ranef,
  inits = jags_inits(jags_dims["nc"]),
  parameters.to.save = jags_params,
  n.adapt = 1000,
  n.iter = sum(jags_dims[c("ni", "nb")]),
  n.thin = jags_dims["nt"],
  n.burnin = jags_dims["nb"],
  n.chains = jags_dims["nc"],
  parallel = F
)

数据：

dput(dat)
structure(list(EST.1.100m = c(50.03436426, 29.6619718333333, 
21.3333333333333, 17.5644444466667, 10.9090909066667, 1.33333333333333, 
3.926589776, 9.74298464, 12.6666666666667, 25.6666666666667, 
18.73469388, 16.11965812, 28.6349206333333, 58.4074074066667, 
36.7659574466667, 30.1363636333333, 32.37777778, 10, 13.93939394, 
32.6210045666667, 46.7801418466667, 44.12658228, 36.9047619066667, 
37.5257731933333, 19.53488372, 23.8095238066667, 4.8, 1.10168078533333, 
12.6, 50.08695652, 7.33333333333333, 7.33333333333333, 18.5365853666667, 
20, 52.52252252, 10.2941176466667, 18.7659574466667, 15.97222222, 
2.35121559666667, 9.91256651333333, 7.06542329333333, 2.66666666666667, 
2.35121559666667, 9.33333333333333, 14.6363636333333, 10.3703703733333, 
1.33333333333333, 3.33333333333333, 2.66666666666667, 8.22925458666667, 
16.6962962933333, 10.98039216, 23.5294117666667, 3.54166666666667, 
9.53333333333333, 21.10638298, 21.3333333333333, 15.05376344, 
29.7721519, 19.25, 25.2470588266667, 29.5909090933333, 21.09722222, 
26.57777778, 10.98039216, 30.68992248, 22.2189054733333, 24.9263157866667, 
16.4833333333333, 19.0188679266667, 37.5, 20.73429952, 39.79288026, 
20.1165048533333, 30.3003663, 21.81818182, 21.3918128666667, 
19.6756756733333, 20.6666666666667, 2.836471968, 13.0888888866667, 
12.6666666666667, 8.15514054, 10, 4.41666666666667, 6.96, 8.5106383, 
21.3333333333333, 32.4133333333333, 14.875, 10.7916666666667, 
8.08080808, 10.2702702733333, 25.14285714, 7.56989247333333, 
14.9787234066667, 15.44827586, 19.1020408133333, 7.55555555333333, 
7.33333333333333, 7.98039216, 18.60465116, 16.1333333333333, 
2.66666666666667, 6.66666666666667, 4.66666666666667, 5.33333333333333, 
24, 20.6666666666667, 30.4411764733333, 23.2962962933333, 63.05084746, 
20.6666666666667, 58.5347985333333, 49.18996416, 35.4430379733333, 
48.32982456, 57.1358024666667, 26.1333333333333, 59.9925925933333, 
77.0833333333333, 65.3195876266667, 62.58064516, 52.5821596266667, 
105, 32.3037974666667, 17.90804598, 25.31073446, 9.52, 24.92307692, 
9.33333333333333, 20.3333333333333, 13, 11, 27.90277778, 15.3333333333333, 
25.1700680266667, 14.31884058, 16.6666666666667, 16, 41.95767196, 
24.5333333333333, 13.8461538466667, 13.0666666666667, 15.3333333333333, 
11.3333333333333, 20.5050505066667, 18.75, 9.33333333333333, 
14.71264368, 83.8666666666667, 50.9390681, 27.2333333333333, 
50.30420712, 57.11442786, 75.8137254666667, 46.8841607533333, 
64.5882352933333, 3.401360544, 62.84126984, 12.4, 57.92063492, 
1.50617283933333, 57.7073170733333, 5.33333333333333, 20.5333333333333, 
25.7627118666667, 23.4347826066667, 19.7727272733333, 16.1, 27.1515151533333, 
45.6038647333333, 3.33333333333333, 0.666666666666667, 5.33333333333333, 
6.588235294, 33.25170068, 32.3076923066667, 3.33333333333333, 
4.24036956666667, 6, 5.30975916533333, 9.62962962666667, 4.66666666666667, 
21.77777778, 11.6875, 3.33333333333333, 5.650301078, 12.5714285733333, 
1.33333333333333, 6, 3.33333333333333, 24.6153846133333, 15.3333333333333, 
2.21329558933333, 36.8609271533333, 25.3255813933333, 30.0487804866667, 
4.925925926, 4.48697225266667, 2.66666666666667, 10, 8.04597701333333, 
11.3333333333333, 10, 12, 2.78260869533333, 2.66666666666667, 
8.28571428666667, 21.2105263133333, 8.35555555333333, 27.3684210533333, 
30.5217391333333, 17.9523809533333, 13.8730158733333, 2.66666666666667, 
24.48979592, 35.7894736866667, 0.666666666666667, 16.6666666666667, 
35.23497268, 5.33333333333333, 17.0542635666667, 9.33333333333333, 
6, 12.3529411733333, 1.33333333333333, 14.6031746, 2.66666666666667, 
7.33333333333333, 31.1538461533333, 13.2173913066667, 7.43589743333333, 
14.6666666666667, 15.3333333333333, 20.8333333333333, 25.1234567933333, 
25.81560284, 15.3333333333333, 19.54285714, 10.7466666666667, 
9.33333333333333, 8, 16, 19.9689922466667, 10, 15.12, 2.19047619066667, 
12.0888888866667, 19.3333333333333, 2.823529412, 13.3333333333333, 
9.16594128, 19.8333333333333, 22.6285714266667, 10.9090909066667, 
16.2095238066667, 29.2307692333333, 15.5833333333333, 14.98245614, 
40.18079096, 36.8547008533333, 31.9444444466667, 9.89333333333333, 
4.336925954, 69.5338346, 13.87755102, 14.9333333333333, 26.08955224, 
47.37078652, 22.8194444466667, 25.5163398666667, 3.43434343466667, 
11.6097561, 15.5555555533333, 10.4347826066667, 18.12121212, 
17.3333333333333, 16.7272727266667, 51.24919094, 19.1489361733333, 
27.9545454533333, 9.82222222, 13.5714285733333, 9.62962962666667, 
6.02898550733333, 20.45410628, 3.97987201733333, 39.3734939733333, 
2.73873873866667, 8.04828215333333, 20.8627451, 22.5333333333333, 
34.5570776266667, 15.05376344, 9.04901960666667, 35.4020618533333, 
60.5984252, 58.4806201533333, 40.3045267466667, 2.89493785933333, 
40.0650406533333, 9.33333333333333, 24.1935483866667), Redds.100m = c(0.328478152507479, 
0.342164742195291, 0.437970870009972, 0.218985435004986, 0.0273731793756233, 
0.150552486565928, 0.191612255629363, 0.0821195381268698, 0.177925665941551, 
0.410597690634349, 0.465344049385595, 0.437970870009972, 0.301104973131856, 
0.16423907625374, 0.16423907625374, 0.150552486565928, 0.205298845317174, 
0.50640381844903, 0.547463587512465, 0.287418383444044, 0.314791562819667, 
0.109492717502493, 0.123179307190305, 0.0821195381268698, 0.109492717502493, 
0.287418383444044, 0.0547463587512465, 0.218985435004986, 0.218985435004986, 
0.0547463587512465, 0.191612255629363, 0.396911100946537, 0.863015604357746, 
0.500549050527492, 0.586850610963267, 0.172603120871549, 0.103561872522929, 
0.224384057133014, 0.241644369220169, 0.120822184610084, 0.0517809362614647, 
0.0517809362614647, 0.0517809362614647, 0.0690412483486196, 0.0690412483486196, 
0.0517809362614647, 0.0690412483486196, 0.103561872522929, 0.189863432958704, 
0.396987178004563, 0.0690412483486196, 0.155342808784394, 0.0690412483486196, 
0.0863015604357746, 0.138082496697239, 0.0863015604357746, 0.466028426353183, 
3.39926568550944, 2.48548458725422, 3.56374628319538, 2.86927264852141, 
3.39926568550944, 4.73338608896207, 3.01547762424225, 2.77789453869589, 
3.07030449013756, 2.90582389245162, 3.25306070978861, 3.41754130747455, 
3.19823384389329, 2.44893334332401, 2.11997214795212, 1.66308159882451, 
1.55342786703388, 1.53515224506878, 1.37067164738284, 1.40722289131305, 
0.731024878604181, 0.511717415022927, 0.639646768778658, 0.603095524848449, 
0.440137939230155, 0.34952130468277, 0.401302238709847, 0.854385411446771, 
0.414247472216616, 1.10034484807539, 0.919111578980617, 0.595480741311386, 
1.178016249116, 0.69904260936554, 1.03561868054154, 0.86733064495354, 
0.841440177940002, 0.802604477419694, 0.970892513007694, 0.893221111967079, 
0.932056812487387, 0.737878309885848, 0.168288035588, 0.34952130468277, 
0.245959436628616, 0.478973639750462, 0.168288035588, 0.297740370655693, 
0.323630837669231, 0.103561868054154, 0.257641729473153, 0.257641729473153, 
0.121243166810896, 0.242486333621791, 0.409195687986772, 0.363729500432687, 
0.621371229905839, 0.500128063094944, 0.681992813311287, 0.409195687986772, 
0.560749646500392, 0.439506479689496, 0.575905042351754, 0.363729500432687, 
0.46981727139222, 0.424351083838134, 0.212175541919067, 0.454661875540858, 
0.670915730816636, 0.867029559824575, 1.75470268059735, 1.9611382900794, 
1.45537104684839, 1.39344036400378, 1.36247502258148, 1.05282160835841, 
0.949603803617392, 1.20764831546994, 0.774133535557656, 1.40376214447788, 
1.40376214447788, 0.949603803617392, 1.03217804741021, 0.608985047972023, 
0.815420657454065, 0.433514779912288, 0.9908909255138, 1.20764831546994, 
0.712202852713044, 0.639950389394329, 0.660593950342533, 0.268366292326654, 
0.309653414223063, 0.533824052873351, 0.612118247294775, 0.47688282056686, 
0.704647749792823, 0.37011800999219, 0.348765047877256, 0.355882701915567, 
0.448412204413615, 0.170823696919472, 0.32029443172401, 0.121000118651293, 
0.0996471565363588, 0.149470734804538, 0.199294313072718, 0.0640588863448021, 
0.277588507494142, 0.249117891340897, 0.21352962114934, 0.355882701915567, 
0.284706161532454, 0.21352962114934, 0.15658838884285, 0.0711765403831134, 
0.0782941944214248, 0.149470734804538, 0.306059123647388, 0.384353318068812, 
0.37011800999219, 0.384353318068812, 0.448412204413615, 0.227764929225963, 
0.284706161532454, 0.277588507494142, 0.149470734804538, 0.232166955901328, 
0.104074842300595, 0.0320230284001831, 0.0240172713001374, 0.0480345426002747, 
0.0320230284001831, 0.0240172713001374, 0.0720518139004121, 0.0720518139004121, 
0.0480345426002747, 0.0480345426002747, 0.510716028127402, 0.638395035159252, 
0.297917683074318, 0.31210423941119, 0.368850464758679, 0.482342915453657, 
0.411410133769296, 0.297917683074318, 0.297917683074318, 0.226984901389956, 
0.43978324644304, 0.411410133769296, 0.62420847882238, 0.482342915453657, 
0.453969802779913, 0.759453644445437, 0.207123721212392, 0.184109974411015, 
0.115068734006884, 0.0920549872055075, 0.0230137468013769, 0.0230137468013769, 
0.0690412404041306, 0.0460274936027537, 0.0460274936027537, 0.43726118922616, 
0.0460274936027537, 0.230137468013769, 0.207123721212392, 0.0920549872055075, 
0.0230137468013769, 0.184109974411015, 0.0460274936027537, 0.322192455219276, 
0.36821994882203, 0.924831568663181, 0.13005443934326, 0.968183048444267, 
2.03751954971107, 0.85257910236137, 1.64735623168129, 1.76296017776419, 
1.22829192713079, 1.35834636647405, 1.48840080581731, 1.63290573842093, 
1.77741067102455, 0.85257910236137, 0.867029595621732, 0.520217757373039, 
0.563569237154126, 0.794777129319921, 0.794777129319921, 0.679173183237023, 
0.505767264112677, 0.260108878686519, 0.823678115840645, 0.346811838248693, 
0.173405919124346, 0.534668250633401, 0.317910851727968, 1.1160935143885, 
1.13192462806777, 0.941951263916538, 0.862795695520191, 0.0949866820756173, 
0.253297818868313, 0.221635591509774, 0.277044489387217, 0.134564466273791, 
0.316622273585391, 0.387862285142104, 0.569920092453704, 0.609497876651878, 
0.562004535614069, 0.269128932547582, 0.324537830425026, 0.308706716745756, 
0.443271183019547, 0.213720034670139, 0.284960046226852, 0.340368944104295, 
0.245382262028678, 0.229551148349409, 0.269128932547582, 0.245382262028678, 
0.213720034670139, 0.229551148349409, 0.284960046226852, 0.205804477830504, 
0.253297818868313, 0.528165513401734, 0.636905472043267, 0.217479917283067, 
0.0466028394178, 0.1398085182534, 0.0776713990296667, 0.155342798059333, 
0.0776713990296667, 0.730111150878867, 0.621371192237334, 0.481562673983934, 
0.217479917283067, 0.403891274954267, 0.2796170365068, 0.3262198759246, 
0.264082756700867, 0.217479917283067, 0.233014197089), Clean = c("Big CR", 
"Big CR", "Big CR", "Big CR", "Big CR", "Big CR", "Big CR", "Big CR", 
"Big CR", "Big CR", "Big CR", "Big CR", "Big CR", "Big CR", "Big CR", 
"Big CR", "Big CR", "Big CR", "Big CR", "Big CR", "Big CR", "Big CR", 
"Big CR", "Big CR", "Big CR", "Big CR", "Big CR", "Big CR", "Big CR", 
"Big CR", "Big CR", "Big CR", "Coal CR", "Coal CR", "Coal CR", 
"Coal CR", "Coal CR", "Coal CR", "Coal CR", "Coal CR", "Coal CR", 
"Coal CR", "Coal CR", "Coal CR", "Coal CR", "Coal CR", "Coal CR", 
"Coal CR", "Coal CR", "Coal CR", "Coal CR", "Coal CR", "Coal CR", 
"Coal CR", "Coal CR", "Coal CR", "Coal CR", "Elk CR", "Elk CR", 
"Elk CR", "Elk CR", "Elk CR", "Elk CR", "Elk CR", "Elk CR", "Elk CR", 
"Elk CR", "Elk CR", "Elk CR", "Elk CR", "Elk CR", "Elk CR", "Elk CR", 
"Elk CR", "Elk CR", "Elk CR", "Elk CR", "Elk CR", "Elk CR", "Elk CR", 
"Elk CR", "Goat CR", "Goat CR", "Goat CR", "Goat CR", "Goat CR", 
"Goat CR", "Goat CR", "Goat CR", "Goat CR", "Goat CR", "Goat CR", 
"Goat CR", "Goat CR", "Goat CR", "Goat CR", "Goat CR", "Goat CR", 
"Goat CR", "Goat CR", "Goat CR", "Goat CR", "Goat CR", "Goat CR", 
"Goat CR", "Goat CR", "Goat CR", "Granite CR", "Granite CR", 
"Granite CR", "Granite CR", "Granite CR", "Granite CR", "Granite CR", 
"Granite CR", "Granite CR", "Granite CR", "Granite CR", "Granite CR", 
"Granite CR", "Granite CR", "Granite CR", "Granite CR", "Granite CR", 
"Granite CR", "Lion CR", "Lion CR", "Lion CR", "Lion CR", "Lion CR", 
"Lion CR", "Lion CR", "Lion CR", "Lion CR", "Lion CR", "Lion CR", 
"Lion CR", "Lion CR", "Lion CR", "Lion CR", "Lion CR", "Lion CR", 
"Lion CR", "Lion CR", "Lion CR", "Lion CR", "Lion CR", "Lion CR", 
"Lion CR", "Lion CR", "Morrison CR", "Morrison CR", "Morrison CR", 
"Morrison CR", "Morrison CR", "Morrison CR", "Morrison CR", "Morrison CR", 
"Morrison CR", "Morrison CR", "Morrison CR", "Morrison CR", "Morrison CR", 
"Morrison CR", "Morrison CR", "Morrison CR", "Morrison CR", "Morrison CR", 
"Morrison CR", "Morrison CR", "Morrison CR", "Morrison CR", "Morrison CR", 
"Morrison CR", "Morrison CR", "Morrison CR", "Morrison CR", "Morrison CR", 
"Morrison CR", "Morrison CR", "Morrison CR", "Morrison CR", "Morrison CR", 
"Morrison CR", "NF Coal CR", "NF Coal CR", "NF Coal CR", "NF Coal CR", 
"NF Coal CR", "NF Coal CR", "NF Coal CR", "NF Coal CR", "NF Coal CR", 
"NF Coal CR", "NF Coal CR", "Ole CR", "Ole CR", "Ole CR", "Ole CR", 
"Ole CR", "Ole CR", "Ole CR", "Ole CR", "Ole CR", "Ole CR", "Ole CR", 
"Ole CR", "Ole CR", "Ole CR", "Ole CR", "SF Coal CR", "SF Coal CR", 
"SF Coal CR", "SF Coal CR", "SF Coal CR", "SF Coal CR", "SF Coal CR", 
"SF Coal CR", "SF Coal CR", "SF Coal CR", "SF Coal CR", "SF Coal CR", 
"SF Coal CR", "SF Coal CR", "SF Coal CR", "SF Coal CR", "SF Coal CR", 
"SF Coal CR", "SF Coal CR", "SF Coal CR", "Squeezer CR", "Squeezer CR", 
"Squeezer CR", "Squeezer CR", "Squeezer CR", "Squeezer CR", "Squeezer CR", 
"Squeezer CR", "Squeezer CR", "Squeezer CR", "Squeezer CR", "Squeezer CR", 
"Squeezer CR", "Squeezer CR", "Squeezer CR", "Squeezer CR", "Squeezer CR", 
"Squeezer CR", "Squeezer CR", "Squeezer CR", "Squeezer CR", "Squeezer CR", 
"Squeezer CR", "Squeezer CR", "Squeezer CR", "Squeezer CR", "Whale CR", 
"Whale CR", "Whale CR", "Whale CR", "Whale CR", "Whale CR", "Whale CR", 
"Whale CR", "Whale CR", "Whale CR", "Whale CR", "Whale CR", "Whale CR", 
"Whale CR", "Whale CR", "Whale CR", "Whale CR", "Whale CR", "Whale CR", 
"Whale CR", "Whale CR", "Whale CR", "Whale CR", "Whale CR", "Whale CR", 
"Whale CR", "Whale CR", "Whale CR", "Whale CR", "Whale CR", "Wounded Buck CR", 
"Wounded Buck CR", "Wounded Buck CR", "Wounded Buck CR", "Wounded Buck CR", 
"Wounded Buck CR", "Wounded Buck CR", "Wounded Buck CR", "Wounded Buck CR", 
"Wounded Buck CR", "Wounded Buck CR", "Wounded Buck CR", "Wounded Buck CR", 
"Wounded Buck CR", "Wounded Buck CR", "Wounded Buck CR", "Wounded Buck CR", 
"Wounded Buck CR"), Year = c(1989L, 1990L, 1991L, 1992L, 1993L, 
1994L, 1995L, 1996L, 1997L, 1998L, 1999L, 2000L, 2001L, 2002L, 
2003L, 2004L, 2005L, 2006L, 2007L, 2008L, 2009L, 2010L, 2011L, 
2012L, 2013L, 2015L, 2016L, 2017L, 2018L, 2020L, 2021L, 2022L, 
1989L, 1990L, 1991L, 1993L, 1994L, 1995L, 1998L, 1999L, 2000L, 
2003L, 2004L, 2005L, 2007L, 2008L, 2010L, 2011L, 2012L, 2013L, 
2014L, 2015L, 2017L, 2018L, 2019L, 2021L, 2022L, 1989L, 1990L, 
1994L, 1995L, 1997L, 1998L, 2001L, 2002L, 2003L, 2005L, 2006L, 
2007L, 2008L, 2009L, 2010L, 2012L, 2013L, 2014L, 2015L, 2016L, 
2018L, 2019L, 2021L, 2022L, 1989L, 1990L, 1991L, 1994L, 1995L, 
1997L, 1998L, 1999L, 2001L, 2002L, 2003L, 2004L, 2005L, 2006L, 
2007L, 2008L, 2009L, 2010L, 2011L, 2012L, 2013L, 2014L, 2016L, 
2017L, 2019L, 2021L, 2003L, 2004L, 2005L, 2006L, 2008L, 2009L, 
2010L, 2011L, 2012L, 2013L, 2014L, 2015L, 2016L, 2017L, 2018L, 
2019L, 2021L, 2022L, 1988L, 1989L, 1995L, 1997L, 1998L, 1999L, 
2001L, 2002L, 2003L, 2004L, 2005L, 2006L, 2007L, 2008L, 2009L, 
2010L, 2012L, 2013L, 2014L, 2015L, 2016L, 2017L, 2018L, 2019L, 
2021L, 1980L, 1982L, 1983L, 1985L, 1986L, 1987L, 1988L, 1989L, 
1990L, 1991L, 1992L, 1993L, 1994L, 1995L, 1996L, 1997L, 1998L, 
1999L, 2000L, 2001L, 2002L, 2003L, 2004L, 2006L, 2007L, 2010L, 
2013L, 2014L, 2015L, 2016L, 2017L, 2019L, 2020L, 2021L, 1989L, 
1990L, 1992L, 2000L, 2007L, 2008L, 2009L, 2012L, 2013L, 2014L, 
2019L, 1986L, 1987L, 1989L, 1998L, 1999L, 2000L, 2001L, 2002L, 
2003L, 2005L, 2006L, 2007L, 2008L, 2009L, 2010L, 1989L, 1990L, 
1991L, 1992L, 1997L, 2000L, 2003L, 2007L, 2008L, 2009L, 2010L, 
2011L, 2012L, 2013L, 2014L, 2015L, 2017L, 2018L, 2021L, 2022L, 
1987L, 1988L, 1989L, 1998L, 1999L, 2001L, 2002L, 2003L, 2004L, 
2005L, 2006L, 2007L, 2008L, 2009L, 2010L, 2011L, 2012L, 2013L, 
2014L, 2015L, 2016L, 2017L, 2018L, 2019L, 2021L, 2022L, 1983L, 
1987L, 1989L, 1990L, 1992L, 1994L, 1995L, 1996L, 1997L, 1998L, 
1999L, 2000L, 2001L, 2002L, 2003L, 2004L, 2005L, 2006L, 2007L, 
2008L, 2009L, 2010L, 2012L, 2013L, 2015L, 2016L, 2017L, 2018L, 
2019L, 2021L, 1995L, 1996L, 1997L, 2000L, 2001L, 2002L, 2003L, 
2005L, 2006L, 2007L, 2008L, 2009L, 2010L, 2017L, 2018L, 2020L, 
2021L, 2022L)), class = "data.frame", row.names = c(11L, 12L, 
13L, 14L, 15L, 16L, 17L, 18L, 19L, 20L, 21L, 22L, 23L, 24L, 25L, 
26L, 27L, 28L, 29L, 30L, 31L, 32L, 33L, 34L, 35L, 37L, 38L, 39L, 
40L, 42L, 43L, 44L, 55L, 56L, 57L, 59L, 60L, 61L, 64L, 65L, 66L, 
69L, 70L, 71L, 73L, 74L, 76L, 77L, 78L, 79L, 80L, 81L, 83L, 84L, 
85L, 87L, 88L, 96L, 97L, 101L, 102L, 104L, 105L, 108L, 109L, 
110L, 112L, 113L, 114L, 115L, 116L, 117L, 119L, 120L, 121L, 122L, 
123L, 125L, 126L, 128L, 129L, 137L, 138L, 139L, 142L, 143L, 145L, 
146L, 147L, 149L, 150L, 151L, 152L, 153L, 154L, 155L, 156L, 157L, 
158L, 159L, 160L, 161L, 162L, 164L, 165L, 167L, 169L, 195L, 196L, 
197L, 198L, 200L, 201L, 202L, 203L, 204L, 205L, 206L, 207L, 208L, 
209L, 210L, 211L, 213L, 214L, 221L, 222L, 228L, 230L, 231L, 232L, 
234L, 235L, 236L, 237L, 238L, 239L, 240L, 241L, 242L, 243L, 245L, 
246L, 247L, 248L, 249L, 250L, 251L, 252L, 254L, 263L, 265L, 266L, 
268L, 269L, 270L, 271L, 272L, 273L, 274L, 275L, 276L, 277L, 278L, 
279L, 280L, 281L, 282L, 283L, 284L, 285L, 286L, 287L, 289L, 290L, 
293L, 296L, 297L, 298L, 299L, 300L, 302L, 303L, 304L, 313L, 314L, 
316L, 324L, 331L, 332L, 333L, 335L, 336L, 337L, 342L, 352L, 353L, 
355L, 364L, 365L, 366L, 367L, 368L, 369L, 371L, 372L, 373L, 374L, 
375L, 376L, 395L, 396L, 397L, 398L, 403L, 406L, 409L, 413L, 414L, 
415L, 416L, 417L, 418L, 419L, 420L, 421L, 423L, 424L, 427L, 428L, 
434L, 435L, 436L, 445L, 446L, 448L, 449L, 450L, 451L, 452L, 453L, 
454L, 455L, 456L, 457L, 458L, 459L, 460L, 461L, 462L, 463L, 464L, 
465L, 466L, 468L, 469L, 481L, 485L, 487L, 488L, 490L, 492L, 493L, 
494L, 495L, 496L, 497L, 498L, 499L, 500L, 501L, 502L, 503L, 504L, 
505L, 506L, 507L, 508L, 510L, 511L, 513L, 514L, 515L, 516L, 517L, 
519L, 523L, 524L, 525L, 528L, 529L, 530L, 531L, 533L, 534L, 535L, 
536L, 537L, 538L, 545L, 546L, 548L, 549L, 550L))