Optimization 大数据集采样期间的Rstan错误

我建立了一个简单的分层stan模型来检索二项分布的概率θ（代码如下）

我的输入数据是一个表格，其中包含所有（N）个和成功（N）个试验的数量信息，以及它所属的组的元数据（x:0-1，t:1-225，g:1-4和c:1-4）

N N x T G C 123 10 1. 1. 1. 2. 531 500 1. 0 1. 1. 12 6. 0 1. 2. 1. 我得到了一个解决方案：

显然有太多（不必要的）中间变量，这会使程序崩溃。你可以用“二项式逻辑（）替换“二项式（）”，从而去掉θ。而for循环也可以用更优雅的alternativ替代

data {
  int<lower=1> Nr; // 
  int<lower=1> Nt;//
  int<lower=1> Nxtgc; // 
  int<lower=1> xtgc[Nr]; // 
  int<lower=1> N[Nr]; // 
  int<lower=0> n[Nr]; // 
  int<lower=1> tLookup[Nxtgc]; // lookuptable for combination which t it belongs to
}

parameters {
  real a_t[Nt];
  real a_xtgc[Nxtgc];
  real <lower=0>sigma_xtgc;
  real <lower=0>simga_t;
}

model {
  simga_t ~ exponential(0.01);
  a_t ~ normal(-4,simga_t);
  sigma_xtgc ~ exponential(0.01);
  a_xtgc ~  normal(a_t[tLookup],sigma_xtgc);  

  n ~ binomial_logit(N, a_xtgc[xtgc]);
}

数据{
内部编号；//
int Nt//
int Nxtgc；//
int-xtgc[Nr]；//
整数N[Nr]；//
整数n[Nr]；//
int-tLookup[Nxtgc]；//可查找它所属的组合
}
参数{
真正的a_t[Nt]；
真正的a_xtgc[Nxtgc]；
实sigma_xtgc；
真正的辛加；
}
模型{
simga_t~指数（0.01）；
a_t~正常（-4，simga_t）；
sigma_xtgc~指数（0.01）；
a_xtgc~正常（a_t[tLookup]，sigma_xtgc）；
n~二项逻辑（n，a_xtgc[xtgc]）；
}