如何在 JAGS 中在一个分类变量和一个连续变量之间添加交互项？答案

【问题标题】：How to add an interaction term in JAGS between one categorical and one continuous variable?如何在 JAGS 中在一个分类变量和一个连续变量之间添加交互项？
【发布时间】：2018-04-17 20:20:50
【问题描述】：

我在 JAGS 中有标记重新捕获模型，我想编写分类变量和连续变量之间的交互。

ngr 是组数

nind 是我的标记重新捕获模型中的个体数量

gr.sp[ind] 只是在我的数据库中搜索属于个人 ind 的组

ngr是组数

先验：

phi.precip ~ dnorm(0,0.01)

for(groups in 1:ngr) {
  phi.gr[groups] ~ dnorm(0, 0.01)
}

这是我的模型可能性的一小部分：

...
for(ind in 1:nind) {
  for(yr in 1:nyear) {
    logit(phi[ind,yr]) <- e.phi[ind,yr]
    e.phi[ind,yr] <- 
      phi.gr[gr.sp[ind]] + # Categorical variable telling how much belonging to a certain group changes your fitness
      phi.precip * sum.rainfall[yr] + # Effect of rain on my individuals 

      phi.gr.precip * phi.gr[gr.sp[ind]] * sum.rainfall[yr]   # This is the interaction between the categorical and the continuous I'm trying to code. 

  }
...}

首先，您如何定义phi.gr.precip 的先验？应该是这样的：

for(groups in 1:ngr) {
  phi.gr.precip[groups] ~ dnorm(0, 0.01)
}

但是，我不知道如何实现它。

其次，phi.gr.precip 应该如何编码以包含个人所在的群体 (gr.sp[ind]) 和气候 (sum.rainfall[yr]，代表一年中的降雨量) 之间的相互作用？

编码类似like 的交互似乎需要phi.gr.precip 中与分类变量中相同数量的参数。但这需要我在可能性中循环：

...
for(ind in 1:nind) {
  for(yr in 1:nyear) {
    logit(phi[ind,yr]) <- e.phi[ind,yr]
    e.phi[ind,yr] <- 
      phi.gr[gr.sp[ind]] +
      phi.precip * sum.rainfall[yr] +
  for(groups in 1:ngr) {
      phi.gr.precip[groups] * phi.gr[gr.sp[ind]] * sum.rainfall[yr]
   }
  }
...}

当我运行模型时，这不起作用。

【问题讨论】：

标签： bayesian jags

【解决方案1】：

您对先前的选择看起来很合理。

您的可能性几乎是正确的，但 JAGS 不能将 for 循环添加到数字。相反，您需要将组的 for 循环向上移动以环绕整个总和。

...
for(ind in 1:nind) {
  for(yr in 1:nyear) {
   for(groups in 1:ngr){  ### MOVE THE FOR-LOOP HERE
    logit(phi[ind,yr]) <- e.phi[ind,yr]
    e.phi[ind,yr] <- 
      phi.gr[gr.sp[ind]] +
      phi.precip * sum.rainfall[yr] + phi.gr.precip[groups] * phi.gr[gr.sp[ind]] * sum.rainfall[yr]
   }
  }
...}

【讨论】：