附上data：
Data
list(a=10,b=300,nyears=7,nweeks=29,
dif.rates=structure(
      .Data=c(
10.578653,       -39.889887,        -33.042559,        9.609758,        -7.03272,        -39.889887,        -33.042559,
-84.348619,        -26.073325,        0,        -0.768352,        -28.523273,        -26.073325,        0,
12.829559,        32.265003,        -23.152647,        -8.37526,        18.669733,        32.265003,        -23.152647,
-47.137784,        -17.925002,        41.895296,        37.020299,        19.73806,        -17.925002,        41.895296,
143.359479,        17.925002,        -15.825032,        -0.96206,        -22.849644,        17.925002,        -15.825032,
44.903458,        -20.566954,        97.955997,        -17.643576,        6.485198,        -20.566954,        97.955997,
-12.82956,        5.382039,        -46.250178,        -30.784991,        -4.276012,        5.382039,        -46.250178,
78.986994,        16.995836,        -32.019354,        42.440271,        -6.222738,        16.995836,        -32.019354,
96.588899,        169.963161,        -25.790188,        22.628813,        -6.01518,        169.963161,        -25.790188,
-54.796706,        53.541959,        42.493105,        63.307245,        2.667226,        53.541959,        42.493105,
26.220683,        -20.28958,        73.343896,        39.037585,        14.080488,        -20.28958,        73.343896,
171.297779,        36.884341,        131.455776,        205.812285,        24.999263,        36.884341,        131.455776,
-26.70851,        -143.585741,        129.653062,        212.066322,        -3.194973,        -143.585741,        129.653062,
-50.584908,        19.656492,        147.708061,        -156.942976,        -18.151173,        19.656492,        147.708061,
-176.437427,        -56.965731,        -110.577183,        88.064382,        1.469549,        -56.965731,        -110.577183,
-130.52547,        -16.249039,        52.584964,        -293.028678,        32.239773,        -16.249039,        52.584964,
-17.458363,        -93.726986,        110.731825,        -144.294858,        -28.613832,        -93.726986,        110.731825,
-13.464182,        -10.042178,        -170.230074,        -27.355113,        -6.50594,        -10.042178,        -170.230074,
-48.881502,        -20.084354,        -156.050731,        -39.595547,        22.777317,        -20.084354,        -156.050731,
-30.047073,        -10.485773,        -156.758884,        -16.824654,        -3.936308,        -10.485773,        -156.758884,
3.750385,        -30.267178,        -104.363845,        2.328336,        -37.61467,        -30.267178,        -104.363845,
-13.210237,        21.719099,        -49.584728,        2.731375,        9.812012,        21.719099,        -49.584728,
-21.839624,        -21.719099,           0,             -0.22415,             -23.337223,        -21.719099,        0,
-10.698605,        -5.469377,        0,        -10.830887,        8.571673,        -5.469377,        0,
11.951007,        -7.33595,        0,        8.357765,        -2.911082,        -7.33595,        0,
3.183255,        15.055139,        0,        -14.403566,        2.084542,        15.055139,        0,
3.441248,        -8.034639,        0,        -3.49406,        -4.911308,        -8.034639,        0,
-21.09817,        2.583495,        0,        0,        3.433017,        2.583495,        0,
12.616381,        -9.603995,        0,        4.382313,        -2.713182,        -9.603995,        0

),
      .Dim=c(29,7)
       ))

如果只是要lambda[1, j] 小于lambda[2, j] ,
可以设置
lambda[1, j] ~ dunif(20,40)
lambda[2, j] ~ dunif(50,250)

ro ~ dunif(-1,1)
会掉进“trap＂
distribution 要修改.

但是因为我不知道lambda[1, j] 的上限和lambda[2, j] 的下限，也就是说不晓得两个指标的界值分割点，只有它们的大致范围，应该不能写出两个指标具体的上下值
ro实际上就是该状态依赖于前一时刻状态的系数，从文献里面看到的用uniform，其他的分布感觉都不合适一样，那它为什么容易出错呢？报错是lambda

要不然就依文献第7页提醒:
Note that, in order to avoid some traps in WinBUGS, the sampling method for
log-concave variables has been changed to slice sampling (see user's manual
for more details about how to change the sampling methods for certain classes
of distributions in order to avoid possible traps.

你的程序与数据可以执行,
不过有两个步骤要修改,
底下是执行结果:
node                mean         start  sample
ro                   0.2716         1001   5000
linf                    15.28         1001   5000
lmed1               21.03         1001   5000
lmed2               82.05         1001   5000
lsup                  132.2         1001   5000
P.mat[1,1]      0.9399         1001   5000
P.mat[1,2]      0.06007        
P.mat[2,1]      0.08858        
P.mat[2,2]      0.9114
        
第一个步骤修改如下:
这也是作者之后修改的程序.
然后设theta initial values
#Prior distributions for the hyperparameters of the standard deviations
    linf <-ranked(theta[],1)
    lmed1 <-ranked(theta[],2)
    lmed2 <-ranked(theta[],3)
    lsup <-ranked(theta[],4)
    for(i in 1:4){theta~dunif(a,b)}

第二个步骤就是修改sampling method 为"UpdaterSlice".