আমি জ্যাগ এবং rjags প্যাকেজ ব্যবহার করে একটি শ্রেণিবদ্ধ মডেল ফিট করার চেষ্টা করছি। আমার ফলাফলের পরিবর্তনশীল হ'ল y, যা বার্নৌল্লি ট্রায়ালের একটি ক্রম। আমার কাছে 38 টি মানব বিষয় রয়েছে যা দুটি বিভাগের অধীনে সম্পাদন করছে: পি এবং এম আমার বিশ্লেষণের ভিত্তিতে, প্রতিটি স্পিকারের P বিভাগে P সাফল্যের সম্ভাবনা এবং এর বিভাগ এমতে সাফল্যের সম্ভাবনা রয়েছে । আমি আরও ধরে নিচ্ছি যে পি এবং এম: এবং জন্য কিছু সম্প্রদায় স্তরের হাইপারপ্যারামিটার ।θ পি × θ এম μ পি μ এম
সুতরাং, প্রতিটি স্পিকারের জন্য: এবং যেখানে এবং নিয়ন্ত্রণ করে যে কীভাবে শীর্ষে রয়েছে এবং ।θ এম ∼ বি ই টি এ ( μ এম × κ এম , ( ১ - μ এম ) × κ এম ) κ পি κ এম μ পি μ এম
এছাড়াও , ।
এখানে আমার জাগস মডেল:
model{
## y = N bernoulli trials
## Each speaker has a theta value for each category
for(i in 1:length(y)){
y[i] ~ dbern( theta[ speaker[i],category[i]])
}
## Category P has theta Ptheta
## Category M has theta Ptheta * Mtheta
## No observed data for pure Mtheta
##
## Kp and Km represent how similar speakers are to each other
## for Ptheta and Mtheta
for(j in 1:max(speaker)){
theta[j,1] ~ dbeta(Pmu*Kp, (1-Pmu)*Kp)
catM[j] ~ dbeta(Mmu*Km, (1-Mmu)*Km)
theta[j,2] <- theta[j,1] * catM[j]
}
## Priors for Pmu and Mmu
Pmu ~ dbeta(Ap,Bp)
Mmu ~ dbeta(Am,Bm)
## Priors for Kp and Km
Kp ~ dgamma(1,1/50)
Km ~ dgamma(1,1/50)
## Hyperpriors for Pmu and Mmu
Ap ~ dgamma(1,1/50)
Bp ~ dgamma(1,1/50)
Am ~ dgamma(1,1/50)
Bm ~ dgamma(1,1/50)
}
আমার কাছে সমস্যাটি হ'ল আমি যখন এই মডেলটি অ্যাডাপ্ট করার জন্য 5000 পুনরাবৃত্তির সাথে চালনা করি, তখন 1000 নমুনা নিন Mmu
এবং Km
একক মানগুলিতে রূপান্তরিত হব । আমি এটি 4 টি চেইন দিয়ে চালাচ্ছি, এবং প্রতিটি চেইনের একই মান হয় না, তবে প্রতিটি চেইনের মধ্যে কেবল একটি একক মান থাকে।
আমি এমসিএমসি পদ্ধতি ব্যবহার করে হায়ারারিকিকাল মডেলগুলি ফিটিংয়ের ক্ষেত্রে বেশ নতুন, তাই আমি ভাবছি এটি কতটা খারাপ। এই মডেলটি ফিট হওয়ার জন্য আশাবাদী না হওয়া, আমার প্রবীণদের সাথে কিছু ভুল আছে বা কোর্সের জন্য এই সমষ্টিটি কি এই চিহ্ন হিসাবে গ্রহণ করা উচিত?
সম্পাদনা: এটির ক্ষেত্রে, এর মান এটি রূপান্তরিত হয় (চেইন জুড়ে গড়) এবং মান ছিল 1.78