详细报错如图，
******sorry something went wrong in procedure Node.Set in module SpatialCARNormal ******


代码如下：
model {
        for (i in 1:N) {
                for (tt in 1:T) {
                        y[i,tt] ~ dpois(mu[i,tt])
                        ###log(mu[i,tt]) <- log(n[i]) + log.rates[i,tt]
                        log(mu[i,tt]) <- log.rates[i,tt]
                        log.rates[i,tt] ~ dnorm(theta[i,tt],tau)
                        ####   U[i]=alpha + s_i in Equation 2
                        theta[i,tt] <- U[i] + gamma_overall[tt] + gamma[i,tt]
                }
                ####   BYM on level of burglary (at mid time point)
                mu.u[i] <-  alpha + s[i]
                U[i] ~ dnorm(mu.u[i],tau_U)
        }
        ####   spatially-structured random effects
        s[1:N] ~ car.normal(adj[],weights[],num[],tau_s)

        ####   variance of spatially-structured random effects
        sigma_s ~ dnorm(0,10)I(0,)
        tau_s <- pow(sigma_s,-2)

        ####   variance of spatially-unstructured random effects
        sigma_U ~ dnorm(0,10)I(0,)
        tau_U <- pow(sigma_U,-2)

        ####   variance of overdispersions
        sigma ~ dnorm(0,10)I(0,)
        tau <- pow(sigma,-2)

        ####   overall intercept
        alpha ~ dflat()

        ####   overall time trend  (centred at mid time point 2.5)
        st <- mean(gamma_overall_temp[1:T])
        for (tt in 1:T) {
                gamma_overall[tt] <- gamma_overall_temp[tt] - st
                gamma_overall_temp[tt] ~ dnorm(mu_gamma_overall[tt],tau_gamma_overall)
                mu_gamma_overall[tt] <- b0 * (tt-mt)
        }
        tau_gamma_overall <- pow(sigma_gamma_overall,-2)
        sigma_gamma_overall ~ dnorm(0,10)I(0,)

        ####   linear local departures in trend (centred at mid time point)
        for (i in 1:N) {
                b1[i] ~ dnorm(mu_beta_sp[i],tau_b1)
                mu_beta_sp[i] <- beta_sp[i]
                for (tt in 1:T) {gamma[i,tt] <- b1[i] * (tt - mt)}
        }
        ####   spatially-structured random effects on slopes
        beta_sp[1:N] ~ car.normal(adj[],weights[],num[],tau_beta_sp)

        ####   random effect variances on slopes
        sigma_beta_sp ~ dnorm(0,10)I(0,)
        tau_beta_sp <-pow(sigma_beta_sp,-2)
        sigma_b1 ~ dnorm(0,10)I(0,)
        tau_b1 <-pow(sigma_b1,-2)

        ####   overall slope
        b0 ~ dflat()

        for (tt in 1:T) {time[tt] <- tt}
        mt <- mean(time[1:T])
}


#data
list(
num = c(4,0,5,7,3,8,4,4,2,5,0,6,5,8,5,7,5,7,3,2,3,5,4,5,4,9,5,6,5,4,5,5,3,3,5,6,4,6,2,2,6,9,4,5,4,6,3,6,4,6),
adj= c(42,24,9,10,0,5,28,44,6,31,25,36,43,18,24,42,37,28,3,50,44,3,31,43,36,39,21,32,30,20,38,48,46,1,10,40,33,42,1,9,0,47,37,28,44,50,26,49,15,25,17,14,15,25,14,49,17,42,22,13,17,35,13,23,41,27,25,13,49,27,6,36,25,15,35,14,13,25,42,46,4,43,3,45,29,30,38,3,29,45,32,7,39,49,14,35,13,34,41,15,49,22,42,4,18,1,15,27,16,36,4,42,47,12,50,41,34,50,6,16,25,15,41,37,12,44,3,5,
7,32,38,20,3,44,6,36,43,45,21,7,30,38,46,42,40,26,41,23,22,14,17,48,38,16,6,31,43,4,25,47,12,28,5,32,35,48,8,20,30,21,7,33,10,26,50,27,15,23,34,17,25,4,24,1,10,31,36,4,18,28,3,6,50,12,19,29,32,21,48,17,42,33,20,8,37,12,26,35,17,46,20,38,8,22,23,15,13,26,12,44,6,27,41),
weights = c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1),
y=structure(.Data=c( 24232,25352,25334,25356,25262,25488,25618,25553,26443,
                     2523,2682,2678,2795,2729,2664,2678,2714,2743,
                     27343,27300,28658,28287,29187,28953,29409,30597,30832,
                     14932,14878,15043,15267,15228,15660,16204,16443,16888,
                     156343,158693,160714,161946,162038,162097,163291,165404,166623,
                     20713,20985,21681,21477,21845,21998,22292,22636,22528,
                     20642,20746,21156,20875,20788,20752,20736,20564,20795,
                     5170,5273,5315,5316,5510,5525,5788,5730,5872,
                     110376,112752,112335,111914,113360,112893,112823,113512,111972,
                     42164,43124,43878,43337,45214,46533,46942,48668,49553,
                     6417,6652,6788,6741,6808,6865,7097,6967,7131,
                     7184,7161,7382,7460,7584,7587,7484,7887,8132,
                     65077,66480,66791,65504,66847,65763,66228,67635,68549,
                     32102,32516,32549,32846,33102,32995,33323,33862,33977,
                     16879,16961,17638,17582,17601,17285,17278,17930,17878,
                     14296,14525,14386,14433,15087,15016,14913,14781,15014,
                     24552,24727,24948,25527,25764,26343,26484,26982,26920,
                     22478,22965,23656,23745,24259,24300,24371,24800,25165,
                     8558,8482,8373,8402,8364,8531,8451,8767,8692,
                     27983,28540,28581,28951,29085,29060,30412,30299,30924,
                     37203,37741,37579,35715,37219,36544,36269,36682,36933,
                     55911,53706,54187,55389,56041,54158,53605,53694,53199,
                     26862,27070,27020,27277,28151,27966,28032,28573,30277,
                     15037,15357,15087,15510,15453,15468,15724,15953,15781,
                     31219,31180,32266,31555,32570,32620,32206,32940,32952,
                     5370,5405,5636,5651,5755,5562,5694,5718,5918,
                     9517,9422,9037,9385,9420,9263,9503,9562,9854,
                     11222,11956,12367,11852,12211,11912,12227,12057,11431,
                     7459,7739,7707,7799,8076,7855,8093,8030,7978,
                     49373,49296,49804,49255,50146,49720,50589,50245,51099,
                     8800,9019,9078,9049,8914,8894,8977,9150,9091,

                     106636,108367,109038,106851,110766,107904,111352,110502,111951,
                     47064,48105,50090,50154,51078,50524,52330,53229,54429,
                     3609,3539,3496,3609,3744,3757,3616,3651,3737,
                     61626,63322,63996,61937,63635,62193,63888,64614,65422,
                     19771,18870,19009,18684,18981,19217,19399,19723,19761,
                     19402,20415,19966,19836,20788,20339,21025,20775,19883,
                     77290,77431,77986,78463,80141,77487,78953,78126,79335,
                     6373,6287,6258,5828,5961,6237,6233,6186,5961,
                     23576,23660,24012,24865,25039,25712,25839,26320,27234,
                     4167,4137,4281,4211,4526,4337,4540,4565,4406,
                     32193,33045,34149,34037,34625,34687,34927,34848,36244,
                     99176,99946,101250,100091,101437,103093,104937,107211,107271,
                     8526,8861,9131,9523,9759,9763,9780,10101,10412,
                     3607,3536,3731,3675,3664,3640,3586,3759,3625,
                     37307,37392,37959,36554,37486,37159,38769,39296,38420,
                     31379,33317,34242,34455,35095,35078,35219,35380,35389,
                     11588,11339,11415,11297,11741,11487,11629,11462,11548,
                     29618,30122,30299,30728,31795,31163,31605,32201,32102,
                     2457,2543,2537,2655,2700,2540,2544,2659,2630),  .Dim=c(50,9)),
N=50, T=9)

#Inits
list(sigma =0, sigma_s =0,sigma_U =0, sigma_gamma_overall =0, sigma_beta_sp =0, sigma_b1 =0,b0 =1, alpha =0)


希望能有大佬告诉我哪里出了错啊TAT