迭代问题,出错地方已经说明

在提问之前请确定你已经努力阅读了文档,并且尝试自己在互联网上搜索。

请尽可能提供你的demo代码或者GitHub的gist地址。

function standarddeviation(p)
    # 读取数据
    data = load("data($(p))OLSoutput.jld")   # 需要用到JLD包
    # 读取数据中的数字和矩阵
    T = size(data["startingvalues(p = $(p))"]["Mydata"], 1)
    K = data["startingvalues(p = $(p))"]["Total Variables"]
    TT = T - p    # 仅出现在S的方差表达式中
    G = data["startingvalues(p = $(p))"]["G"]
    S = data["startingvalues(p = $(p))"]["Std-Dev vector"]
    R = data["startingvalues(p = $(p))"]["Correlation Matrix"]
    OLS_residuals = data["startingvalues(p = $(p))"]["OLS_residuals"]
    Smean = data["prior(p = $(p))"]["Smean"]    # 为0
    Ssd = data["prior(p = $(p))"]["Ssd"]        # 为2
    restrictionsSD = diag(data["restrictions(p = $(p))"]["Σ"])
	# restrictionsSD[1] = 0
    # S的方差参考 (http://mathworld.wolfram.com/StandardDeviationDistribution.html) 的第10式
    V = 1/TT * ( TT - 1 - 2 * exp(2*(loggamma(TT/2)-loggamma((TT-1)/2)))) .* S
	# 迭代开始
    for i in 1:length(restrictionsSD)
        #######################
        # 只有i = 1是正确的结果
        #######################
        if restrictionsSD[i] != 0
        # ⛔默认为全部通过
            lowerbound = S[i] - 2 * sqrt(V[i])
            upperbound = S[i] + 2 * sqrt(V[i])
			# 👆在5%的显著性水平下,每一个标准差S[i]均相应地产生G-1个置信区间分段。Sgrid是分段的端点集(G个)
            # 计算S.grid
            Sgrid = LinRange(lowerbound, upperbound, G)
            # 👆因为标准差S的个数有K个,所以总共有K组Sgrid,可以在最后进行保存
            GSi = vec(zeros(G, 1)) # 👈设置初始值,以便后续进行迭代
            #👆一共有K组GSi,可以每次保存迭代后的GSi
            #👇迭代开始
            for j in 1:G
                # 首先构造S的均值向量
                # μ = repeat([0], 2, 1)        #这是❌的
                μ = vec(repeat([0.0], K, 1))   # μ必须是向量类型!且Float64!
                # 再构造关于S的协方差矩阵Sigmagrid
                Sigrid = S            # 防止原标准差向量S被替换后不可恢复,故意多出Sigrid这个中间变量
                Sigrid[i] = Sgrid[j]  # 随着迭代过程的更新,标准差向量S的第i个数被Sgrid重新赋值!
				##############################################################################
				# 👆问题出自这里。当i = 2时,迭代对象是S的第二个元素。
				# 但S的第一个元素并不是data(6)OLSoutput.jld内标准差Std-Dev vector的第一个元素,
				# 而是为i = 1, G = 100时的元素。
				# 我的目的是令i = 2时,S的第一个元素自动迭代成Std-Dev vector的第一个元素。			
				##############################################################################
                # ⛔此时Sigrid便是重新赋值后的结果,它不是原标准差向量S!
				# 👇协方差矩阵Sigmagrid是随着迭代过程的更新而变化的
                Sigmagrid = diagm(Sigrid) * R * diagm(Sigrid)
                # ⛔为了避免问题:PosDefException: matrix is not Hermitian; Cholesky factorization failed.
                # 特将Sigmagrid进行如下两行代码的处理:
                Ω = cholesky(Hermitian(Sigmagrid))
                Sigmagrid = Ω.L * Ω.U
                # 通过上述变换,MvNormal(μ, Sigmagrid)得以接受
                # 于是残差序列OLS_residuals的似然函数值为:
                pdfresiduals = pdf(MvNormal(μ, Sigmagrid), OLS_residuals)
                # 对残差序列的似然值逐个取对数:
                η = log.(pdfresiduals)
                # 将对数化后的似然值进行加总,可得似然概率值
                loglikeli = sum(η)
                # 👆这仅是一个数!
                logSiprior = logpdf(LogNormal(Smean, Ssd), Sgrid[j])
                # 👆用到了先验的超参数Smean和Ssd
                GSi[j] = loglikeli + logSiprior
            end

请描述下你的问题背景,同时请提供测试用的数据,可以是你的原始数据,也可以是用代码随机生成数据。

背景:对通过简单的OLS回归得到的标准差进行一次后验的抽样模拟

数据和代码通过什么途径发给你呢?

直接贴在帖子里面啊,数据如果过大,可以贴外链,如github,码云等

另外,你的代码没贴完,那个 function 不完整,跑不起来。