求助：winbugs不能识别结果

7341

收藏 2011-10-31

该代码是用于项目反应理论三参数逻辑斯蒂克模型参数估计（模拟研究）。
出现问题：点击update 以后出现undefined real result，手册上说是因为先验分布信息太少，或者是初始值设置不合理，又或者是所有的初始值相等（刚开始是属于这种情况），然后修改了先验分布，将模型中的先验分布和模拟数据产生时使用的分布完全一致了，同时将初始值设置成使用相同的分布生成的数值，但还是出现相同的结果。求高人指点。

复制代码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

epoh

2011-10-31 10:19:20

BUGS Code for Item Response Theory.pdf
http://www.jstatsoft.org/v36/c01/paper
1. Two parameter logistic model (2PLM, Lord and Novick 1968).
2. Three parameter logistic model (3PLM, Birnbaum 1968).
3. Graded response model (GRM, Samejima 1969).
4. Generalized partial credit model (GPCM, Muraki 1992).
5. Testlet model (Bradlow, Wainer, and Wang 1999).
6. Generalized testlet model (Li, Bolt, and Fu 2006).

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

yanghaoboy

2011-10-31 17:25:04

谢谢你的关注，这篇文章我看过了，里面只涉及到模型部分，没有data list 和inits value list部分，我这个代码可能是初值出问题了，可总是找不出来，我还之前给你发信息了，谢谢你！有空帮我看一下么？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

yanghaoboy

2011-10-31 17:25:39

epoh 发表于 2011-10-31 10:19
BUGS Code for Item Response Theory.pdf
http://www.jstatsoft.org/v36/c01/paper
1. Two paramete ...

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

epoh

2011-10-31 19:08:29

## Three Parameter Logistic IRT Model
thpl.bug
thpl.dat
thpl_script

3plm.rar
大小:(1.18 KB)

马上下载

##################
library(R2WinBUGS)
Y <- as.matrix(read.table("c:/Bugs/3plm/thpl.dat"))
n <- nrow(Y)
p <- ncol(Y)
m.alpha <- 1.0
s.alpha <- 1.0
m.delta <- 0.0
s.delta <- 1.0
a.eta <- 1.0
b.eta <- 1.0
guess.ind <- c(0, 0, 0, 0, 1, 1, 1, 1, 1, 1)
data <- list("Y", "n", "p", "guess.ind",
         "m.alpha", "s.alpha",
         "m.delta", "s.delta",
         "a.eta", "b.eta")
parameters<- c("alpha", "delta", "theta", "eta")

thpl.sim <- bugs(data, inits=NULL, parameters.to.save=parameters,"thpl.bug",n.chains=1,
               n.thin=1,n.iter=6500,n.burnin=4000,debug=TRUE,DIC=TRUE,
               bugs.directory="d:/WinBUGS14/",working.directory = "c:/Bugs/3plm")
print(thpl.sim)

########result
Inference for Bugs model at "thpl.bug", fit using WinBUGS,
1 chains, each with 6500 iterations (first 4000 discarded)
n.sims = 2500 iterations saved
         mean sd 2.5% 25% 50% 75%  97.5%
alpha[1]    0.3  0.2 0.0 0.1 0.2 0.4 0.7
alpha[2]    0.5  0.1 0.2 0.4 0.5 0.6 0.8
alpha[3]    0.4  0.2 0.1 0.3 0.4 0.6 0.9
alpha[4]    0.8  0.2 0.4 0.6 0.8 0.9 1.3
alpha[5]    1.1  0.9 0.1 0.3 0.9 1.7 3.0
alpha[6]    0.6  0.6 0.0 0.2 0.4 0.8 2.1
alpha[7]    0.7  0.3 0.2 0.5 0.6 0.8 1.4
alpha[8]    0.3  0.2 0.0 0.1 0.3 0.5 0.9
alpha[9]    0.0  0.0 0.0 0.0 0.0 0.1 0.1
alpha[10]    0.3  0.3 0.0 0.0 0.2 0.5 1.0
delta[1]    -0.2  0.7 -1.6 -0.6 -0.2 0.2 1.3
delta[2]    -2.0  0.5 -3.1 -2.3 -1.9 -1.6 -1.0
delta[3]    -0.4  0.5 -1.5 -0.7 -0.4 -0.2 0.6
delta[4]    -1.7  0.4 -2.7 -2.0 -1.7 -1.4 -1.0
delta[5]    2.3  0.3 1.9 2.0 2.1 2.6 2.7
delta[6]    1.2  0.1 1.0 1.1 1.2 1.3 1.3
delta[7]    0.4  0.2 -0.1 0.2 0.5 0.6 0.7
delta[8]    0.1  0.1 -0.1 0.0 0.1 0.2 0.3
delta[9]    -1.1  0.2 -1.5 -1.2 -1.1 -1.0 -0.9
delta[10] -0.1  0.4 -0.8 -0.4 0.0 0.2 0.5
theta[1]    2.1  0.2 1.6 1.9 2.1 2.3 2.4
theta[2]    0.1  0.2 -0.4 0.0 0.1 0.3 0.5
theta[3]    -0.7  0.1 -0.9 -0.8 -0.7 -0.6 -0.4
theta[4]    0.2  0.1 -0.2 0.1 0.2 0.3 0.4
theta[5]    -0.5  0.2 -0.8 -0.7 -0.6 -0.4 -0.2
theta[6]    -1.5  0.1 -1.7 -1.6 -1.5 -1.4 -1.2
theta[7]    -1.0  0.3 -1.4 -1.2 -1.0 -0.9 -0.4
theta[8]    -1.6  0.4 -2.1 -2.0 -1.7 -1.3 -1.1
theta[9]    -0.7  0.3 -1.1 -0.9 -0.7 -0.5 -0.2
theta[10]    1.5  0.2 1.2 1.4 1.5 1.6 1.8
theta[11] -0.4  0.1 -0.7 -0.5 -0.4 -0.3 -0.2
theta[12] -0.6  0.2 -0.9 -0.7 -0.6 -0.5 -0.3
theta[13]    2.3  0.1 2.0 2.2 2.3 2.4 2.6
theta[14]    0.6  0.3 0.2 0.3 0.6 1.0 1.1
theta[15] -1.3  0.2 -1.6 -1.5 -1.4 -1.1 -0.8
theta[16] -0.7  0.2 -1.1 -0.9 -0.7 -0.6 -0.3
theta[17]    0.0  0.2 -0.3 -0.2 0.0 0.1 0.3
theta[18] -0.3  0.1 -0.5 -0.4 -0.3 -0.3 -0.1
theta[19] -0.4  0.3 -0.9 -0.6 -0.3 -0.2 0.0
theta[20]    0.9  0.1 0.7 0.8 0.9 1.0 1.1
theta[21] -1.7  0.2 -2.0 -1.8 -1.7 -1.6 -1.3
theta[22]    1.9  0.2 1.4 1.6 1.9 2.0 2.2
theta[23]    0.6  0.2 0.3 0.5 0.5 0.7 1.0
theta[24]    1.0  0.1 0.8 1.0 1.1 1.1 1.2
theta[25] -0.4  0.2 -0.7 -0.6 -0.3 -0.2 0.1
theta[26] -0.6  0.2 -0.9 -0.7 -0.7 -0.5 -0.2
theta[27] -1.3  0.1 -1.5 -1.3 -1.3 -1.2 -1.1
theta[28]    1.1  0.1 0.8 0.9 1.1 1.2 1.3
theta[29]    0.4  0.2 0.1 0.2 0.4 0.6 0.8
theta[30]    0.5  0.4 -0.1 0.2 0.3 0.9 1.2
theta[31]    0.5  0.2 0.2 0.3 0.5 0.6 0.8
theta[32]    0.8  0.1 0.6 0.7 0.8 0.9 1.1
theta[33] -0.4  0.1 -0.5 -0.5 -0.4 -0.3 -0.1
theta[34] -0.4  0.2 -0.8 -0.6 -0.5 -0.2 0.0
theta[35]    0.9  0.2 0.6 0.7 0.9 1.1 1.2
theta[36]    2.1  0.2 1.7 2.0 2.1 2.3 2.5
theta[37]    0.8  0.1 0.6 0.7 0.8 1.0 1.1
theta[38] -1.4  0.2 -1.8 -1.6 -1.4 -1.2 -1.0
theta[39] -0.6  0.1 -0.8 -0.7 -0.6 -0.6 -0.4
theta[40] -0.9  0.1 -1.1 -1.0 -0.9 -0.8 -0.7
theta[41] -0.6  0.2 -0.9 -0.8 -0.5 -0.4 -0.3
theta[42] -0.5  0.1 -0.7 -0.6 -0.5 -0.4 -0.2
theta[43]    1.1  0.2 0.9 1.0 1.1 1.3 1.4
theta[44] -1.0  0.1 -1.3 -1.1 -1.0 -0.9 -0.8
theta[45]    1.3  0.2 0.9 1.2 1.3 1.4 1.5
theta[46]    0.2  0.1 -0.1 0.2 0.2 0.3 0.5
theta[47] -0.5  0.2 -0.8 -0.6 -0.5 -0.4 -0.1
theta[48] -1.1  0.1 -1.3 -1.2 -1.1 -1.0 -0.9
theta[49] -0.2  0.2 -0.5 -0.4 -0.2 -0.1 0.0
theta[50] -0.5  0.1 -0.8 -0.6 -0.6 -0.4 -0.3
theta[51] -0.7  0.1 -0.9 -0.8 -0.7 -0.6 -0.4
theta[52] -0.4  0.1 -0.7 -0.5 -0.4 -0.3 -0.2
theta[53] -0.2  0.1 -0.4 -0.3 -0.2 -0.2 -0.1
theta[54] -0.5  0.1 -0.8 -0.6 -0.5 -0.4 -0.3
theta[55]    0.5  0.2 0.2 0.4 0.5 0.7 0.9
theta[56] -0.3  0.2 -0.5 -0.4 -0.3 -0.1 0.1
theta[57] -0.3  0.2 -0.6 -0.4 -0.2 -0.1 0.1
theta[58] -0.3  0.1 -0.5 -0.3 -0.3 -0.2 -0.1
theta[59] -0.7  0.2 -1.0 -0.9 -0.8 -0.6 -0.4
theta[60]    0.6  0.1 0.4 0.5 0.6 0.8 0.9
theta[61]    0.4  0.2 0.0 0.2 0.4 0.6 0.8
theta[62]    0.1  0.3 -0.4 -0.2 -0.1 0.4 0.6
theta[63] -0.1  0.3 -0.6 -0.4 -0.1 0.0 0.2
theta[64] -1.8  0.1 -2.0 -1.9 -1.8 -1.7 -1.6
theta[65]    2.3  0.3 1.8 2.0 2.4 2.6 2.8
theta[66] -0.5  0.1 -0.6 -0.5 -0.5 -0.4 -0.3
theta[67]    0.0  0.2 -0.2 -0.1 0.0 0.1 0.3
theta[68] -0.1  0.2 -0.5 -0.3 0.0 0.1 0.3
theta[69] -2.0  0.2 -2.3 -2.1 -2.0 -1.8 -1.7
theta[70] -0.3  0.1 -0.6 -0.4 -0.3 -0.2 0.0
theta[71] -1.4  0.3 -1.9 -1.7 -1.4 -1.0 -0.9
theta[72]    1.6  0.3 1.1 1.4 1.7 1.9 2.0
theta[73]    0.7  0.1 0.5 0.6 0.7 0.8 1.1
theta[74]    0.5  0.2 0.2 0.3 0.4 0.5 0.9
theta[75] -0.8  0.1 -1.0 -0.9 -0.8 -0.7 -0.6
theta[76]    0.6  0.2 0.1 0.5 0.7 0.8 1.0
theta[77]    0.7  0.1 0.5 0.6 0.6 0.8 1.0
theta[78]    0.9  0.2 0.7 0.8 0.9 1.0 1.2
theta[79] -0.1  0.2 -0.4 -0.2 0.0 0.1 0.2
theta[80] -0.8  0.2 -1.2 -1.1 -0.8 -0.6 -0.4
theta[81] -1.1  0.1 -1.4 -1.2 -1.1 -1.0 -0.9
theta[82] -0.7  0.1 -1.0 -0.8 -0.7 -0.6 -0.5
theta[83]    1.6  0.2 1.2 1.5 1.6 1.8 2.0
theta[84] -0.1  0.3 -0.5 -0.4 0.0 0.1 0.3
theta[85]    0.4  0.5 -0.4 0.0 0.3 0.9 1.1
theta[86] -0.5  0.2 -0.8 -0.7 -0.6 -0.3 -0.1
theta[87] -0.9  0.2 -1.3 -1.1 -0.8 -0.7 -0.6
theta[88] -0.2  0.2 -0.6 -0.3 -0.2 0.0 0.2
theta[89]    0.7  0.2 0.2 0.6 0.7 0.9 1.0
theta[90]    0.1  0.4 -0.7 -0.1 0.2 0.5 0.9
theta[91] -0.5  0.1 -0.7 -0.6 -0.5 -0.4 -0.2
theta[92]    1.3  0.2 1.0 1.1 1.3 1.4 1.7
theta[93] -1.6  0.4 -2.0 -1.9 -1.7 -1.1 -0.8
theta[94] -0.8  0.3 -1.4 -1.1 -0.7 -0.5 -0.4
theta[95] -0.4  0.1 -0.6 -0.5 -0.4 -0.3 -0.1
theta[96]    0.4  0.3 -0.1 0.1 0.3 0.5 1.0
theta[97] -0.4  0.2 -0.7 -0.5 -0.4 -0.3 -0.1
theta[98] -1.5  0.2 -1.7 -1.6 -1.5 -1.3 -1.1
theta[99] -0.4  0.2 -0.9 -0.5 -0.4 -0.2 -0.1
theta[100] 0.0  0.2 -0.3 -0.2 0.0 0.1 0.3
eta[5]       0.3  0.1 0.0 0.1 0.3 0.4 0.5
eta[6]       0.5  0.1 0.3 0.4 0.5 0.6 0.7
eta[7]       0.1  0.1 0.0 0.0 0.1 0.1 0.2
eta[8]       0.2  0.1 0.0 0.1 0.2 0.3 0.4
eta[9]       0.0  0.0 0.0 0.0 0.0 0.0 0.1
eta[10]    0.0  0.0 0.0 0.0 0.0 0.0 0.1
deviance 1323.8 10.4 1300.0 1318.0 1325.0 1331.0 1342.0
DIC info (using the rule, pD = Dbar-Dhat)
pD = 2.8 and DIC = 1326.6
DIC is an estimate of expected predictive error (lower deviance is better).

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

zhangtao

2011-11-1 08:24:29

非常好的程序

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

yanghaoboy

2011-11-1 08:32:09

zhangtao 发表于 2011-11-1 08:24
非常好的程序

谢谢，能帮忙看看么，上面是使用 R语言的，对这个我还不懂呢，超级郁闷

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

esir

2011-11-1 08:42:50

Three Parameter Logistic IRT Model
学习学习

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

yanghaoboy

2011-11-2 19:10:04

epoh 发表于 2011-10-31 19:08
## Three Parameter Logistic IRT Model
thpl.bug
thpl.dat

你好，可以提供winbugs的代码，或我上面应该怎么修改么，对R还没有学会。............

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

epoh

2011-11-2 19:56:25

我没设initial values

用gen.inits()

数据已包含.

thpl.rar
大小:(832 Bytes)

马上下载

本附件包括：

thpl.bug

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

yanghaoboy

2011-11-3 09:21:27

epoh 发表于 2011-11-2 19:56
我没设initial values用gen.inits()数据已包含.

非常感谢，我把我的也相应修改一下！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

m8843620

2012-4-26 17:02:10

謝謝樓主的分享

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

shatian

2012-12-26 14:46:18

epoh 发表于 2011-10-31 19:08
## Three Parameter Logistic IRT Model
thpl.bug
thpl.dat

老师，我下载了你的这个程序，昨天运行都是正确的，但是今天再试，却运行不下去，R显示错误是： thpl.bug does not exist.但是这个文件明明是存在的，你能跟我说说问题是出在哪吗？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

epoh

2012-12-26 15:44:52

shatian 发表于 2012-12-26 14:46
老师，我下载了你的这个程序，昨天运行都是正确的，但是今天再试，却运行不下去，R显示错误是： thpl.bug ...

R2OpenBUGS
model.file="model.txt",The extension must be ".txt"

R2WinBUGS
model.file="model.bug",The extension can be either ".bug" or ".txt"

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

行侠不仗义

2015-11-2 16:16:58

epoh 发表于 2011-10-31 19:08
## Three Parameter Logistic IRT Model
thpl.bug
thpl.dat

您好，2.5% 25% 50% 75% 97.5%是什么？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

行侠不仗义

2015-11-2 16:17:30

shatian 发表于 2012-12-26 14:46
老师，我下载了你的这个程序，昨天运行都是正确的，但是今天再试，却运行不下去，R显示错误是： thpl.bug ...

那个2.5% 25% 50% 75% 97.5%是啥？

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群