我用680个区域的发病数据做贝叶斯时空模型，采用improper CAR空间相关先验分布，模型中不含协变量，但每年的空间效应不同（时空交互），这个程序运行至4000次就停止运算了，过了很久会出现一个对话框，提示“undefined real results”；如果删掉
         “yc.pred[i,t] ~dpois(muc[i,t])
          resc[i,t] <-yc.pred[i,t] -yc[i,t]
        PPLc[i,t] <- pow(resc[i,t],2)
         PPLc2[i,t]<- abs(resc[i,t])
  yc.pred[i,t] ~dpois(muc[i,t])
     
  mapec <- mean(PPLc2[,])
  mspec <- mean(PPLc[,])”
这部分（是用于计算预测值yc.pred、残差resc、平均绝对误差mapec和均方误差mspec的），则模型可以运行至7000次才停止。
另一个模型只有70个区域，程序基本相同，却不会出现这个提示。请教一下是什么原因？（内存不够？初始值不对？还是其它原因？我用的电脑是1G的内存）
    模型如下：
model
model
{
for( i in 1:Nc)
      {
         for (t in 1 : T)
           {
           yc[i,t]~dpois(muc[i,t])
            log(muc[i,t])<-log(Ec[i, t])+log(RRc[i,t])
            # Relative Risk
            RRc[i,t]<-exp(alphac+uc[i,t]+vc[i,t])
            SIRc[i,t]<-(yc[i,t]+epsc2)/(Ec[i, t]+epsc2)
           PPc[i,t]<-step(RRc[i,t]-1+epsc)
           yc.pred[i,t] ~dpois(muc[i,t])
          resc[i,t] <-yc.pred[i,t] -yc[i,t]
        PPLc[i,t] <- pow(resc[i,t],2)
         PPLc2[i,t]<- abs(resc[i,t])
            }  
       }
mapec <- mean(PPLc2[,])
mspec <- mean(PPLc[,])
# CAR prior distribution for spatial correlated heterogeneity
uc1[1:Nc] ~ car.normal(adjc[],weightc[],numc[],tau.uc[1])
uc2[1:Nc]~ car.normal(adjc[],weightc[],numc[],tau.uc[2])
uc3[1:Nc] ~ car.normal(adjc[],weightc[],numc[],tau.uc[3])
uc4[1:Nc] ~ car.normal(adjc[],weightc[],numc[],tau.uc[4])
for(i in 1:Nc)
{
uc[i,1]<-uc1[i]
uc[i,2]<-uc2[i]
uc[i,3]<-uc3[i]
uc[i,4]<-uc4[i]
}
        for(kc in 1:sumNumNeighc)
          {
              weightc[kc]<-1
             }


# Prior distributions for the Uncorrelated Heterogeneity

for(i in 1:Nc)
{
vc1[i]~dnorm(0,tau.vc[1])
vc2[i]~dnorm(0,tau.vc[2])
vc3[i]~dnorm(0,tau.vc[3])
vc4[i]~dnorm(0,tau.vc[4])
}
for (i in 1:Nc)
{
vc[i,1]<-vc1[i]
vc[i,2]<-vc2[i]
vc[i,3]<-vc3[i]
vc[i,4]<-vc4[i]
}

         for(t in 1 : T)
             {
      
             tau.uc[t]<-1/pow(sigma.uc[t],2)
         sigma.uc[t]~ dunif(0,10)  
          tau.vc[t]<-1/pow(sigma.vc[t],2)
          sigma.vc[t]~ dunif(0,10)
     var.uc[t]<-pow( sigma.uc[t],2)
         var.vc[t]<-pow(sigma.vc[t],2)
         sumvarc[t]<- var.uc[t]+var.vc[t]
    PVCc[t]<-var.uc[t]/sumvarc[t]                  
            }
         
#other prior
alphac ~ dflat()
epsc<-1.0E-6
epsc2~dnorm(0,1000)
}      

含data和初始值的整个模型见附件哈！
麻烦各位了，谢谢！