如何在NIMBLE中设置半正态先验？求R代码示例及正确性验证

你的代码存在的问题 #

• 向量处理错误：循环中使用tau.b[k]说明tau.b是长度为nvar的向量，但你直接给整个tau.b赋值了一个正态分布，这会导致语法错误。正确的做法是对每个tau.b[k]单独定义先验。
• 参数混淆：Nimble中dnorm()的第二个参数是精度（precision），即方差的倒数，而非标准差。如果你想设置的是标准差为2.5的半正态分布，对应的精度应为1/(2.5^2) = 0.16，而非直接写2.5。
• 冗余约束：虽然dconstraint(tau.b>0)可以实现截断，但Nimble支持更简洁的截断语法%_% I(0, Inf)，无需额外添加约束语句。

正确的代码示例 #

情况1：每个tau.b[k]独立服从半正态分布（标准差2.5） #

for (k in 1:nvar) {
  b[k] ~ dnorm(mu.b[k], tau.b[k])
  # 半正态先验：标准差2.5 → 精度=1/(2.5²)=0.16
  tau.b[k] ~ dnorm(0, 0.16) %_% I(0, Inf)
}

情况2：所有tau.b[k]共享同一个半正态先验（如果你的模型是这样设定） #

# 先定义共享的精度参数
tau.b ~ dnorm(0, 0.16) %_% I(0, Inf)
for (k in 1:nvar) {
  b[k] ~ dnorm(mu.b[k], tau.b)
}

补充说明 #

• 如果你确实想使用dconstraint的方式（不推荐，语法更繁琐），修正后的代码应为：

for (k in 1:nvar) {
  b[k] ~ dnorm(mu.b[k], tau.b[k])
  tau.b[k] ~ dnorm(0, 0.16)
  tau.b[k] ~ dconstraint(tau.b[k] > 0)
}

• 半正态分布本质是均值为0的正态分布在正半轴的截断，上述两种写法（截断语法/约束+正态）都能实现，但截断语法更符合Nimble的惯用写法，也更易读。

内容的提问来源于stack exchange，提问作者user21510073