Ich mache eine Netzwerk-Meta-Analyse mit mehreren klinischen Studien. Die Antwort ist binominal. Jede Studie enthält mehrere Behandlungen.JAGS und WinBUGS geben unterschiedliche DIC
Wenn ich ein zufälliges Effektmodell mache, ist die Ausgabe von JAGS und WinBUGS ähnlich. Wenn ich ein Fixed-Effects-Modell mache, sind die DIC- und PD-Komponenten weit entfernt, obwohl die Seiten der Parameter, an denen ich interessiert bin, ähnlich sind.
Ich habe ähnliche Modelle, die Gaussian Antwort haben, nicht Binomial, und JAGS und WinBUGS sind in Übereinstimmung.
Der BUGS/JAGS-Code für das Fixed-Effects-Modell wurde von page 61 of this entfernt und erscheint unten. Derselbe Code läuft jedoch und erzeugt ähnliche Seiten mit WinBUGS und JAGS, nur DIC und PD unterscheiden sich deutlich. Also ich denke nicht, dass dieser Code das Problem ist.
for(i in 1:ns){ # Loop over studies
mu[i] ~ dnorm(0, .0001)
# Vague priors for all trial baselines
for (k in 1:na[i]) { # Loop over arms
r[i, k] ~ dbin(p[i, k], n[i, k])
# binomial likelihood
logit(p[i, k]) <- mu[i] + d[t[i, k]] - d[t[i, 1]]
# model for linear predictor
rhat[i, k] <- p[i, k] * n[i, k]
# expected value of the numerators
dev[i, k] <-
2 * (r[i, k] * (log(r[i, k]) - log(rhat[i, k])) +
(n[i, k] - r[i, k]) * (log(n[i, k] - r[i, k]) +
- log(n[i, k] - rhat[i, k]) ))
# Deviance contribution
}
resdev[i] <- sum(dev[i, 1:na[i]])
# summed residual deviance contribution for this trial
}
totresdev <- sum(resdev[])
# Total Residual Deviance
d[1] <- 0
# treatment effect is zero for reference treatment
for (k in 2:nt){
d[k] ~ dnorm(0, .0001)
} # vague priors for treatment effects
Ich fand ein old post ein bekanntes Problem zu beschreiben, aber das ist zu alt für mich ist es das gleiche Problem zu denken.
Gibt es bekannte Probleme mit JAGS, die falsche DIC und pD melden? (Suche nach "JAGS Bugs" ist nicht allzu hilfreich.)
Ich wäre dankbar für alle Hinweise.