model
{
   # Define the model for outstanding liabilities.
   for( i in 1 : r ) {
      for( j in 1 : r ) {
         y[ i, j ] ~  dlnorm( mu.y[ i, j ], tau )
         mu.y[ i, j ] <- mu + alpha[ i ] + beta[ i, j ] - log( 1000 )
      }
   }
   # Define the recursive relations.
   for( i in 2 : r ) {
      for( j in 2 : r ) {
         beta[ i, j ] <- beta[ i -1, j ] + v[ i ]
      }
      alpha[ i ] <- alpha[ i - 1 ] + h[ i ]
      v[ i ] ~ dnorm( 0.0, tau.v )
      h[ i ] ~ dnorm( 0.0, tau.h )
   }
   # Define corner constraints and vague diffuse proper priors.
   # Corner constraints.
   alpha[ 1 ] <- 0
   for( i in 1 : r ) { beta[ i, 1 ] <- 0 }
   
   # Define priors on the remaining parameters.
   for( j in 2 : r ) {
      beta[ 1, j ] ~ dnorm( 0.0, tau.beta1j )
   }
   mu ~ dnorm( 0.0, tau.mu )
  tau<-1/10
   # tau ~ dgamma( 0.1, 0.1 )
   # sigma2 <- 1 / tau
   tau.mu <- 1 / 100
tau.h<-1/1000
tau.v<-1/1000
# tau.h ~ dgamma( 0.1, 0.1 )
  # tau.h ~ dgamma( 0.00001, 0.00001 )
  # sigma2.h <- 1 / tau.h
  #tau.v ~ dgamma( 0.1, 0.1 )
#  tau.v ~ dgamma( 0.00001, 0.00001 )
# sigma2.v <- 1 / tau.v
   tau.beta1j <- 1 / 100
   # Collect some summary statistics.
   for( i in 2 : r ) {
     outstand.row[ i ] <- sum( y[ i, ( r +2 - i ) : r ] ) / 1000
   }
   outstand.cal[ 2 ] <- ( y[2,r] + y[3,r-1] + y[4,r-2] + y[5,r-3] + y[6,r-4] + y[7,r-5] ) / 1000
   outstand.cal[ 3 ] <- ( y[3,r] + y[4,r-1] + y[5,r-2] + y[6,r-3] + y[7,r-4] ) / 1000
   outstand.cal[ 4 ] <- ( y[4,r] + y[5,r-1] + y[6,r-2] + y[6,r-3] ) / 1000
   outstand.cal[ 5 ] <- ( y[5,r] + y[6,r-1] + y[7,r-2] ) / 1000
   outstand.cal[ 6 ] <- ( y[6,r] + y[7,r-1] ) / 1000
   outstand.cal[ 7 ] <- ( y[7,r] ) / 1000
   outstand.cal[ 8 ] <- sum( outstand.cal[ 2 : 7 ] )
   # alpha.sum <- sum( alpha[ ] )
   # beta.sum <- sum( beta[ ] )
}
Data

list( r = 7 )
# Deinflated data as reported in Ntzoufras and Dellaportas (NAAJ, 2002).
y[,1]            y[,2]           y[,3]          y[,4]           y[,5]          y[,6]          y[,7]
527003     183260     90539     50471       37875     10110      21165
594059     237289     99640     52390       50723      39028     NA
810593     257122     87318     72538       81336      NA           NA
1012181   339664    156531   181253      NA           NA           NA
1459202   448651    188698    NA             NA           NA           NA
1689751   563683     NA           NA             NA           NA           NA
1698534   NA             NA           NA             NA           NA           NA


Inits
list(  mu=0.0 )
list( mu = 1.0, tau = 1, tau.v  = 1, tau.h = 100 )
list( mu = 1.0, tau = 1, tau.v  = 100, tau.h = 1 )
list( mu = 2.0, tau = 100, tau.v  = 1, tau.h = 1 )

以上是程序,model,data,都没有问题,参数估计的值也可以出来,但是估计的值与别人不一样,并且outstand.row的时候出现trap,不知

道是怎么回事,希望高手能帮小弟一把!感激不尽!