Stan Fehler "undefined Werte" bei der Anpassung logistischen Modell

Question

Neuer Stan-Benutzer hier. Dieses spezielle Modell (im Grunde eine logistische Regression mit gemischten Effekten) wird manchmal ausgeführt, erhält aber oft Fehler. "Die folgenden Variablen haben undefinierte Werte: log_lik [182]" usw. Es ist immer ein Problem mit den Werten "dev" oder "log_lik" . Der Index, an dem es gefangen wird, ist manchmal am Übergang zwischen den Bereichen, aber auch an zufälligen Stellen in einigen Läufen.

stan Modell:

data{ 
    int nObs; 
    int S[nObs]; 
    int<lower=0> n[nObs]; 
    real Area2[nObs]; 
    real Area3[nObs]; 
    real Julian_Day[nObs]; 
    int Year[nObs]; 
    int nYears; 
} 

parameters{ 
    real intercept_raw; 
    real beta_Area2_raw; 
    real beta_Area3_raw; 
    real gamm_raw; 
    real gamm_raw_Area2; 
    real gamm_raw_Area3; 
    real vary_Year[nYears]; 
    real<lower=0> sigma_Year; 
} 

transformed parameters { 
    real intercept; 
    real beta_Area2; 
    real beta_Area3; 
    real gamm; 
    real gamm_Area2; 
    real gamm_Area3; 
    intercept <- intercept_raw*20; 
    beta_Area2 <- beta_Area2_raw*5; 
    beta_Area3 <- beta_Area3_raw*5; 
    gamm <- gamm_raw*5; 
    gamm_Area2 <- gamm_raw_Area2*5; 
    gamm_Area3 <- gamm_raw_Area3*5; 
} 

model{ 
    real vary[nObs]; 
    real y[nObs]; 
    // Priors 
    intercept_raw ~ normal(0,1); 
    beta_Area2_raw ~ normal(0 , 1); 
    beta_Area3_raw ~ normal(0 , 1); 
    gamm_raw ~ normal(0 , 1); 
    gamm_raw_Area2 ~ normal(0 , 1); 
    gamm_raw_Area3 ~ normal(0 , 1); 
    sigma_Year ~ cauchy(0 , 5); 
    // random effect 
    for (j in 1:nYears) vary_Year[j] ~ normal(0 , sigma_Year); 
    // Fixed effects 
    for (i in 1:nObs) { 
     vary[i] <- vary_Year[Year[i]]; 
     y[i] <- vary[i] + intercept 
       + beta_Area2 * Area2[i] 
       + beta_Area3 * Area3[i] 
       + gamm * Julian_Day[i] 
       + gamm_Area2 * Area2[i] * Julian_Day[i] 
       + gamm_Area3 * Area3[i] * Julian_Day[i]; 
    } 
    S ~ binomial_logit(n, y); 
} 

generated quantities{ 
    real y_pred[nObs]; 
    real dev; 
    real y[nObs]; 
    real vary[nObs]; 
    vector[nObs] log_lik; 
    dev <- 0; 
    for (i in 1:nObs) { 
     vary[i] <- vary_Year[Year[i]]; 
     y[i] <- vary[i] + intercept 
       + beta_Area2 * Area2[i] 
       + beta_Area3 * Area3[i] 
       + gamm * Julian_Day[i] 
       + gamm_Area2 * Area2[i] * Julian_Day[i] 
       + gamm_Area3 * Area3[i] * Julian_Day[i]; 
     log_lik[i] <- binomial_log(S[i] , n[i] , inv_logit(y[i]));  
     dev <- dev + (-2) * log_lik[i]; 
     y_pred[i] <- binomial_rng(100, inv_logit(y[i])); 
    } 
} 

Die Daten sieht wie folgt aus (Datenrahmen "SDF"):

Year Area.ID DayIndex S n Area1 Area2 Area3 
1 1  1  19 1 1  1  0  0 
2 1  1  22 0 2  1  0  0 
3 1  1  23 2 5  1  0  0 
4 1  1  24 1 3  1  0  0 
5 1  1  26 3 3  1  0  0 
6 1  1  28 1 3  1  0  0 

und diese Anrufe werden in R verwendet:

Dlist <- list ("nObs"=dim(SDF)[1], "S"=SDF$S, "n"=SDF$n, 
    "Area2"= SDF$Area2,"Area3"= SDF$Area3, "Julian_Day"=SDF$DayIndex,  
    "Year"=SDF$Year,"nYears"=length(unique(SDF$Year))) 

# Fit intercept model using stan 
fit_ints <- stan(file='STAN/Logistic_Diff_Slope_SN.stan',data = Dlist, iter=5000, chains=3) 

Answer 1

Dieser Fehler Die Meldung tritt auf, wenn eine generierte Menge NaN ergibt, normalerweise aufgrund von numerischem Unterlauf oder Überlauf.

In Ihrem Fall, können Sie es wahrscheinlich vermeiden, indem die mehr numerisch stabilen binomial_logit_log Funktion eher als die binomial_log Funktion (aus den gleichen Gründen Sie binomial_logit im model Block statt binomial verwenden) verwenden. Mit anderen Worten, es sollte log_lik[i] <- binomial_logit_log(S[i] , n[i] , y[i]); statt log_lik[i] <- binomial_log(S[i] , n[i] , inv_logit(y[i])); Zusätzlich werden, wenn sie von der hinteren prädiktive Verteilung zeichnen, Sie leider etwas wie p <- inv_logit(y[i]); if (is_nan(p)) y_pred[i] <- y[i] > 0; else if (p >= 1) y_pred[i] <- 1; else if (p <= 0) y_pred[i] <- 0; else y_pred[i] <- binomial_rng(100, inv_logit(y[i])); tun könnten, gibt es keine binomial_logit_rng Funktion in Stan im Moment.