JAGS 泊松计数删失数据答案

【问题标题】：JAGS Poisson count censored dataJAGS 泊松计数删失数据
【发布时间】：2017-11-12 13:20:34
【问题描述】：

R、Bayestats 和 Jags 新手在这里。我正在对一些计数数据进行建模，右删失。泊松似乎是我最好的猜测。我想做一个分层模型，因为它给我提供了更多微调参数的可能性。我可以简单地写这样的东西吗：

A[i,j] <- dpois(a[i,j])

a[i,j]) <- b[i,]*x[i,j] +c[i] for all j,

x[i,j] 是我的变量，或者我应该将删失的时间间隔与之前的时间间隔分开还是什么？

b[,] 和 c 有先验。

谢谢！

【问题讨论】：

在我看来，x 是协变量矩阵，A 是您的观察结果。我认为你的观察中不应该有j 索引。你能更详细地解释一下变量的结构吗？
A 是一个矩阵，行是不同的地方，列是我计算下雨天的不同时间间隔。 X 也是一个矩阵，或者更准确地说，我有一组 Xk 矩阵。对于每个地点和时间间隔，我都有协变量，例如平均温度（存储在 X1 中）、刮风天数（在 X2 中）、平均湿度（在 X3 中）。这有意义吗？谢谢你的帮助！附言soz，我在我的手机上，以前从未使用过乳胶，所以我现在没有花哨的索引

标签： r bayesian jags

【解决方案1】：

我不清楚什么应该是分层的。
您可以将时间效应与协变量效应分开，在这种情况下，协变量效应与站点无关。
此外，GLM 的线性部分应该是正的，因为泊松分布需要正值。看这里：http://www.petrkeil.com/?p=1709
对您的建议可能是：

b1 ~ prior
b2 ~ prior
c ~ prior
for (t in 1:n_time) {
  b_time[t] ~ prior
  for (i in 1:n_stations) {
    A[i,t] <- dpois(a[i,t])
    log(a[i,t]) <- b1*b_time[t]*X1[i,t] + b2*b_time[t]*X2[i,t]+ c[i]
}}

【讨论】：

很抱歉，剩下的，我无法为您提供更多帮助。您需要清楚地说明您想要实现的目标。请记住，stackoverflow 不是回答“我该如何编码？”。你应该自己搜索教程，尝试，如果有任何错误，回来......
好的，谢谢！！！我会在早上阅读您链接的内容并进行处理，如果我需要更多帮助（希望不是），我会回来；）