仅计算迭代子集的Gelman和Rubins收敛统计（coda包）

我正在尝试计算Gelman和Rubin的收敛诊断，用于我目前正在R中使用R包

rjags

运行的JAGS分析

例如，我想评估我的参数

beta

的收敛诊断。为此，我使用库coda和命令：

library(coda)
gelman.diag(out_2MCMC$beta)

将

out2mcmc

作为具有多个链的MCMC列表对象，可获得正确的输出，无任何错误消息或其他信息。但是，由于我使用了大量迭代作为老化，因此我只想计算迭代子集的收敛诊断（仅限于老化后的部分！）

为此，我尝试：

gelman.diag(out_2MCMC$beta[,10000:15000,])

as.mcmc(out_2MCMC$beta[,10000:15000,]))

这导致了以下错误：

Error in mcmc.list(x) : Arguments must be mcmc objects

Error in gelman.diag(as.mcmc(out_2MCMC$beta[, 10000:15000,])) 
You need at least two chains

因此，我尝试：

gelman.diag(out_2MCMC$beta[,10000:15000,])

as.mcmc(out_2MCMC$beta[,10000:15000,]))

但是，令人惊讶的是，这导致了以下错误：

Error in mcmc.list(x) : Arguments must be mcmc objects

Error in gelman.diag(as.mcmc(out_2MCMC$beta[, 10000:15000,])) 
You need at least two chains

由于这是我从JAGS分析中得到的同一个MCMC列表对象，以及我在评估所有迭代的收敛诊断时使用的同一个MCMC列表对象（它工作得非常完美），因此我不认为这里有问题

函数本身仅提供在收敛诊断计算中使用序列的后半部分（迭代）的选项。由于我的磨合阶段比这要长，不幸的是这对我来说还不够

我想这是很明显的事情，我只是错过了。有人有什么建议或建议吗

---

由于代码太多，我没有提供R代码来运行完整的2MCMC-JAGS分析。我希望上面的代码能够很好地说明这个问题，也许有人以前遇到过同样的问题，或者认识到我语法中的任何错误。但是，如果您觉得完整的代码对于理解我的问题是必要的，我仍然可以提供运行2MCM JAGS分析的示例代码

我正在寻找同一问题的解决方案，发现stats包中的

window（）

函数将完成此任务。对于您的情况：

window(out_2MCMC, 100001,15000)

将返回一个

mcmc.list

对象，其中包含所有监控参数的最后5000个样本以及新列表的更新属性