JAGS n.adapt 参数未按预期工作

Question

我正在使用

rjags

包（版本 4.15）在 R 中运行 JAGS (JAGS 4.3.2) 模型，但我遇到了

n.adapt

参数的问题。具体来说，当我将

n.adapt

设置为 1000 这样的任何数字时，适应阶段似乎没有按预期发生，因为 jags_model$iter() 返回零，并且没有打印错误消息。最终结果应显示 1001:x，但事实并非如此，这再次确认了适应阶段未运行。顺便提一句。即使我为 n.adapt 设置了一个字符串，它也不会打印错误，并且会以 0 次适应迭代成功运行。

最终模型运行正常，手动预运行也正常（

update(..., n.iter = )

）。因此，模型本身看起来很健康。

我专门查找为什么

n.adapt

中的

jags.model

不起作用以及为什么没有JAGS错误消息。

library(rjags)
library(coda)

# Generate synthetic data
set.seed(123)

# Write the JAGS model to a text file
model_string <- "
model {
    # Likelihood for arm-based data
    for (i in study_ids) {
        for (k in 1:num_arms[i]) {
            theta[i, k] <- mu[i] + delta[i, k]
            measurement[i, k] ~ dnorm(theta[i, k], prec[i, k])
            prec[i, k] <- 1 / (error[i, k] * error[i, k])

            deviance[i, k] <- pow(measurement[i, k] - theta[i, k], 2) * prec[i, k]
        }
    }

    # Fixed effect model
    for (i in study_ids) {
        delta[i, 1] <- 0
        for (k in 2:num_arms[i]) {
            delta[i, k] <- d[treatment[i, 1], treatment[i, k]]
        }
    }

    # Relative effect matrix
    d[1, 1] <- 0
    d[1, 2] <- d12
    d[1, 3] <- d13
    d[1, 4] <- d14
    d[1, 5] <- d15
    d[1, 6] <- d16
    for (i in 2:num_treatments) {
        for (j in 1:num_treatments) {
            d[i, j] <- d[1, j] - d[1, i]
        }
    }

    # Priors
    prior_prec <- pow(re_prior_sd, -2)
    for (i in study_ids) {
        mu[i] ~ dnorm(0, prior_prec)
    }

    # Effect parameter priors
    d12 ~ dnorm(0, prior_prec)
    d13 ~ dnorm(0, prior_prec)
    d14 ~ dnorm(0, prior_prec)
    d15 ~ dnorm(0, prior_prec)
    d16 ~ dnorm(0, prior_prec)
}
"

writeLines(model_string, con = "model.txt")

# Prepare data for JAGS
jags_data <- list(
  treatment = matrix(sample(1:6, 96, replace = TRUE), nrow = 24, ncol = 4),
  measurement = matrix(rnorm(96, -1.5, 1), nrow = 24, ncol = 4),
  error = matrix(runif(96, 0.1, 1), nrow = 24, ncol = 4),
  num_arms = rep(2:3, length.out = 24),
  num_treatments = 6,
  re_prior_sd = 1,
  study_ids = 1:24
)

# Set up initial values (optional but recommended)
inits <- list(
  list(
    d12 = rnorm(1, 0, 1), d13 = rnorm(1, 0, 1), d14 = rnorm(1, 0, 1), d15 = rnorm(1, 0, 1), d16 = rnorm(1, 0, 1),
    mu = rnorm(24, -1.5, 1)
  ),
  list(
    d12 = rnorm(1, 0, 1), d13 = rnorm(1, 0, 1), d14 = rnorm(1, 0, 1), d15 = rnorm(1, 0, 1), d16 = rnorm(1, 0, 1),
    mu = rnorm(24, -1.5, 1)
  ),
  list(
    d12 = rnorm(1, 0, 1), d13 = rnorm(1, 0, 1), d14 = rnorm(1, 0, 1), d15 = rnorm(1, 0, 1), d16 = rnorm(1, 0, 1),
    mu = rnorm(24, -1.5, 1)
  ),
  list(
    d12 = rnorm(1, 0, 1), d13 = rnorm(1, 0, 1), d14 = rnorm(1, 0, 1), d15 = rnorm(1, 0, 1), d16 = rnorm(1, 0, 1),
    mu = rnorm(24, -1.5, 1)
  )
)

# Define parameters to monitor
params <- c("d12", "d13", "d14", "d15", "d16", "mu", "theta", "deviance")

# Create and compile the JAGS model
jags_model <- jags.model("model.txt", data = jags_data, inits = inits, n.chains = 4, n.adapt = 1000)

# Check the iteration number
print(jags_model$iter())

# We can run the adapt manually but I am looking for why the n.adapt is not working

# Run properly
# update(jags_model, n.iter = 1000)
# samples <- coda.samples(jags_model, variable.names = params, n.iter = 5000)

Answer 1

扩展 @DaveArmstrong 和 @polkas 的回应，重要的是要认识到老化和适应是指两个不同的事物，并且在

rjags

中独立实现。

Burn-in是使用

update

功能实现的。如果指定，模型将始终以预烧迭代运行。

适应是使用

n.adapt

函数中的

jags.model

参数实现的。然而，模型本身的性质决定了适应过程是否会运行。更深入的研究表明，适应是基于对

isAdaptive

的评估，只有当模型包含共轭时，该评估才会被评估为 TRUE（因此会运行适应）。 [TBD：我想解释这段代码，但找不到如何获取您之前向我展示的共轭位]原始示例不包含共轭，因此不执行任何调整。 [TBD：显示此] [TBD：调整模型以显示包含共轭和运行适应的示例]

因此，在运行 JAGS 模型时，重要的是要考虑如何实现老化和适配，并注意后者是模型驱动的，即使在指定时也并不总是执行。