JAGS贝叶斯CJS生存分析报错：无法设置未定义节点z的值

核心问题定位 #

这个错误本质是初始化函数试图给不存在的z节点赋值。添加分类变量后触发该错误，大概率是分类变量的处理导致个体捕获历史逻辑或z变量维度定义出现偏差——比如分类变量分组后，部分个体对应的z节点未在模型中被正确声明。

针对性排查与修复步骤 #

1. 对齐z变量的模型声明与初始化逻辑 #

• 确保模型中z的维度和数据集的个体数、捕获时间点完全匹配。比如数据有n_ind个个体、T个时间点，模型需明确声明z[n_ind, T-1]（CJS中z是生存潜变量，对应T-1个存活区间）。
• 初始化函数生成的z矩阵维度必须和模型声明严格一致。举例：

  inits <- function(){
    list(z = matrix(rbinom(n_ind*(T-1), 1, 0.5), nrow = n_ind),
         beta = rnorm(n_covars))
  }
  

  这里的n_ind和T必须和模型中使用的参数完全相同，不能因分类变量分组计算出现偏差（如误删/多算个体）。

2. 修正分类变量的编码与先验定义 #

• 确保分类变量的取值是连续整数（如1,2,3而非1,3,4），JAGS对索引要求严格，不连续编码会导致部分节点未被声明。
• 先验参数的数量要匹配分类变量的水平数。比如分组数为3，先验需声明：

  for(k in 1:3){
    beta_group[k] ~ dnorm(0, 0.01)
  }
  

  而非仅定义单个beta_group参数。

3. 优化z变量的初始化逻辑 #

• 对个体1078单独提取捕获历史，检查是否存在「仅在最后一个时间点被捕获」的情况——这类个体无存活区间，模型中不存在对应的z[1078,1]节点，初始化时不应赋值。
• 调整初始化函数，仅给有存活区间的个体生成z初始值：

  inits <- function(){
    z <- matrix(NA, nrow = n_ind, ncol = T-1)
    for(i in 1:n_ind){
      first_capture <- min(which(ch[i,] == 1))
      last_capture <- max(which(ch[i,] == 1))
      if(first_capture < T){
        z[i, first_capture:(T-1)] <- rbinom((T - first_capture), 1, 0.5)
      }
    }
    list(z = z, beta = rnorm(n_covars))
  }
  

4. 校验协变量整合的模型语法 #

• 添加分类变量后，生存概率的线性预测部分不能有语法错误。举例：

  model{
    for(i in 1:n_ind){
      first_capture <- min(which(ch[i,] == 1))
      for(t in first_capture:(T-1)){
        logit(phi[i,t]) <- beta0 + beta_group[group[i]] + beta_cont[1]*covar1[i]
        z[i,t] ~ dbern(phi[i,t])
        mu[i,t+1] <- z[i,t] * p[i,t+1]
        ch[i,t+1] ~ dbern(mu[i,t+1])
      }
    }
    # 先验部分
    beta0 ~ dnorm(0, 0.01)
    for(k in 1:K){
      beta_group[k] ~ dnorm(0, 0.01)
    }
    beta_cont[1] ~ dnorm(0, 0.01)
  }
  

  需确认group[i]的取值范围完全覆盖1:K，且K为实际分组数。

快速验证方法 #

1. 移除分类变量，运行基础CJS模型确认正常，排除其他潜在问题。
2. 提取个体1078的完整数据（捕获历史、分类变量值），手动代入模型逻辑排查矛盾点。
3. 打印初始化函数生成的z矩阵，查看z[1078,1]是否被错误赋值。

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