基于先验数据搭建JAGS模型遇拟合失败，求技术指点

我已经完成JAGS模型函数的编写，但使用现有数据进行模型拟合时无法正常运行。以下是全部操作步骤及数据片段，恳请帮忙排查错误原因，我推测问题可能出在数据传递环节，但不确定具体问题，盼得到相关指导。

1. 搭建的JAGS函数 #

jags.mod = function(){
  #观测模型
  for (i in 2:N) {
    Ohio[i] ~ dnorm(Y[i],tau.v)
    }
  Ohio[1] ~ dnorm(Y[1],tau.v)
  tau.v ~ dgamma(1,0.01)
  #系统模型
 for(i in 2:N){
   Y[i] ~ dnorm(Y[i-1],tau.w)
    }
  Y[1] ~ dnorm(6,0.001)
  tau.w ~ dgamma(1,0.01)
  sigma.w = 1/sqrt(tau.w)
}

2. 数据准备与模型拟合代码 #

# 转换为JAGS要求的列表格式
jags.data = as.list(Ohio_pm25)

# 需监控的参数
jags.param = c('Y', 'tau.w', 'sigma.w')

# 指定2条链的初始值
inits1 = list('Y' = -5, 'tau.w' = 10)
inits2 = list('Y' = 5, 'tau.w' = -10)
jags.inits = list(inits1, inits2)

# 拟合JAGS模型
jags.mod.fit = jags(data = jags.data, # jags.data为ohio_PM2.5
                inits = jags.inits, 
                parameters.to.save = jags.param, 
                n.chains = 2, 
                n.iter = 100000,
                n.burnin = 5000,
                n.thin = 1, 
                model.file = jags.mod, 
                DIC = FALSE)

3. 数据片段 #

ohio_data #

X Obs        Exp       SMR
1   1  14  15.678357 0.8929507
2   2  56  62.786481 0.8919117
3   3  26  26.953383 0.9646284
4   4  57  59.448398 0.9588147
5   5  21  25.710943 0.8167728
6   6  22  24.764319 0.8883749
7   7  67  52.437394 1.2777141
8   8  18  19.082278 0.9432836

ohio_pm2.5 #

Ohio_pm25
      Date     pm2.5
1   1988-01-01  3.100000
2   1988-01-02  3.000000
3   1988-01-03  8.600000
4   1988-01-04  8.866667
5   1988-01-05  2.800000
6   1988-01-06  3.400000
7   1988-01-07  4.600000
8   1988-01-08  3.900000

核心问题及修正方案 #

1. 观测变量名不匹配
   模型中调用的观测变量是Ohio，但Ohio_pm25数据框里的观测列是pm2.5，JAGS无法识别对应变量。二选一修正：

   • 重命名数据列：colnames(Ohio_pm25)[2] <- "Ohio"
   • 修改模型变量名：把Ohio[i]改成pm2.5[i]

2. 未传入样本量N
   模型中使用了循环变量N，但数据列表未包含该参数，JAGS无法确定循环长度。需补充：

   jags.data = list(Ohio = Ohio_pm25$pm2.5, N = nrow(Ohio_pm25))
   

3. 初始值错误

   • tau.w是gamma分布的精度参数，必须为正数，inits2中tau.w = -10违反分布要求，需改为正数（如tau.w = 5）
   • Y是与观测同长度的状态向量，初始值不能只给单个数值，需生成对应长度的向量：

     inits1 = list(Y = rnorm(nrow(Ohio_pm25), 0, 1), tau.w = 10)
     inits2 = list(Y = rnorm(nrow(Ohio_pm25), 0, 1), tau.w = 5)
     

4. 模型代码冗余优化
   观测模型的循环可简化为for (i in 1:N)，无需单独编写Ohio[1]的行，减少冗余。

内容的提问来源于stack exchange，提问作者Joe