JAGS随机效应模型预测

我正在尝试用指数作为响应(D47),温度作为预测(Temp),并考虑离散变量(Material)的随机影响,对贝叶斯回归进行建模。我发现了关于非层次回归的非常好的信息,一些帖子甚至包括这些模型的预测策略。尽管如此,我在模型中预测D47值时发现了一个显著的问题,主要是因为随机截距。

在预测JAGS回归过程中,有没有办法处理随机截距?

谢谢你的回答,

model1<-"model {
# Priors
mu_int~dnorm(0, 0.0001) # Mean hyperparameter for random intercepts
sigma_int~dunif(0, 100) # SD hyperparameter for random intercepts
tau_int <- 1/(sigma_int*sigma_int)
for (i in 1:n) {
alpha[i]~dnorm(mu_int, tau_int) # Random intercepts
}
beta~dnorm(0, 0.01) # Common slope
sigma_res~dunif(0, 100) # Residual standard deviation
tau_res <- 1/(sigma_res*sigma_res)
# Likelihood
for (i in 1:n) {
mu[i] <- alpha[Mat[i]]+beta*Temp[i] # Expectation
D47[i]~dnorm(mu[i], tau_res) # The actual (random) responses
}
}"