Я занимаюсь метаанализом сети, включая несколько клинических испытаний. Ответ является биномиальным. Каждое испытание содержит несколько процедур.JAGS и WinBUGS дают разные DIC
Когда я делаю модель случайных эффектов, вывод из JAGS и WinBUGS аналогичен. Когда я делаю модель с фиксированными эффектами, компоненты DIC и pD выходят, хотя позади меня интересуют параметры, которые меня интересуют.
У меня есть аналогичные модели, которые имеют гауссовский ответ, а не биномиальный, а JAGS и WinBUGS согласны.
Код BUGS/JAGS для модели фиксированных эффектов снят с page 61 of this и отображается ниже. Тем не менее, тот же самый код работает и производит аналогичные похождения с использованием WinBUGS и JAGS, это только DIC и pD, которые заметно отличаются. Поэтому я не думаю, что этот код является проблемой.
for(i in 1:ns){ # Loop over studies
mu[i] ~ dnorm(0, .0001)
# Vague priors for all trial baselines
for (k in 1:na[i]) { # Loop over arms
r[i, k] ~ dbin(p[i, k], n[i, k])
# binomial likelihood
logit(p[i, k]) <- mu[i] + d[t[i, k]] - d[t[i, 1]]
# model for linear predictor
rhat[i, k] <- p[i, k] * n[i, k]
# expected value of the numerators
dev[i, k] <-
2 * (r[i, k] * (log(r[i, k]) - log(rhat[i, k])) +
(n[i, k] - r[i, k]) * (log(n[i, k] - r[i, k]) +
- log(n[i, k] - rhat[i, k]) ))
# Deviance contribution
}
resdev[i] <- sum(dev[i, 1:na[i]])
# summed residual deviance contribution for this trial
}
totresdev <- sum(resdev[])
# Total Residual Deviance
d[1] <- 0
# treatment effect is zero for reference treatment
for (k in 2:nt){
d[k] ~ dnorm(0, .0001)
} # vague priors for treatment effects
Я нашел old post описывая известную проблему, но это слишком стар для меня, чтобы думать, что это та же самая проблема.
Есть ли какие-либо известные проблемы с JAGS, сообщающими о неправильном DIC и pD? (Поиск «ошибок JAGS» не так уж и полезен.)
Я был бы благодарен за любые указатели.