Feil: i sporet (modell, navn): ingen spor av navn «.forsekventiell» for dette objektet av klasse «MxModel»

Feil: i sporet (modell, navn): ingen spor av navn «.forsekventiell» for dette objektet av klasse «MxModel»

Jeg har tidligere spilt analyser i OpenMx og lagret R-arbeidsomradet slik at jeg kunne fa informasjonen pa et senere tidspunkt.

Feilen: i sporet (modell, navn):

ingen spor av navn «.forsekvens» for dette objektet av klasse «MxModel»

Oppstar nar jeg ringer.

Pa en Mac som kjorer 10.7.3, R v. 2.14.2, OpenMx v. 1.2.3-2011.

Men nar jeg bruker det samme anropet (etter a ha lastet inn samme R-arbeidsomradefil) pa en annen Mac som kjorer 10.7.3, R v. 2.14.0, OpenMx v. 1.1.2-1818, far jeg ikke feilen.

Jeg dro opprinnelig modellene pa Mac som kjorer de eldre versjonene av R og OpenMx. Jeg er ikke sikker pa hvordan du loser denne feilen. Noen forslag?

Utskriftsvennlig versjon Logg inn eller registrer deg for a skrive kommentarer.

Den interne representasjonen av modellene kan endres over tid. Det originale OpenMx-skriptet fortsetter a fungere pa tvers av forskjellige versjoner av biblioteket. For a se den eldre modellen kan du laste ned en eldre versjon av OpenMx (herfra) og installere den pa maskinen din.

Generelt er det sikrere a beholde en kopi av OpenMx-skriptet enn a beholde en kopi av arbeidsomradet. Hvis modellen tar lang tid a lope, vil jeg bruke kontrollpunkt, slik at du kan starte modellen pa nytt fra det siste kontrollpunktet.

Logg inn eller registrer deg for a skrive kommentarer.

Angela stoppet ved kontoret mitt for a gi meg resten av detaljene om denne feilen. Hovedtrekk ved denne modellen er beregning av konfidensintervall. Det hores ut som «forutsigbart» er et spor lagt til nar mxCI ble parallellisert, og sammendrag kveles nar det ser etter denne strukturen i det sparte mxModel-objektet. Noen har noen bedre ideer?

Jeg er ikke helt sikker pa hva jeg skal gjore med dette. I dette spesielle tilfellet kan vi gjore en slags arbeid i sammendrag for a handtere det manglende sporet. Det kan imidlertid v re enklere a skrive en type versjonskonverter som tar modeller bygget under tidligere versjoner av OpenMx, og legger til hvilke spor vi har lagt til med NULL eller standardverdier.

Vanligvis vil vi sannsynligvis ikke legge til mange betingede utsagn i sammendragskoden for a fa det til a fungere med hver tidligere versjon. Vi vil kanskje legge til litt stotte for disse problemene, da vi har brukere som har skrevet ekstremt komplekse modeller med lange optimaliseringstider, og kontrollpostfilen inneholder ikke all nodvendig informasjon for sammendragsrapportering.

Logg inn eller registrer deg for a skrive kommentarer.

Hvis du beholder en kopi av OpenMx-skriptet, og du kontrollerer hvert N-minutt, kan du ikke bare kjore modellen fra det siste kontrollpunktet (med mxRestore ()), og det vil ta maksimalt N minutter a fullfore? Er det noe jeg mangler?

Logg inn eller registrer deg for a skrive kommentarer.

Bruk kommandosporingen () nar feilmeldingen vises, og kopier / lim inn den utgangen til dette forumet. Jeg tror at oppsummeringen () -funksjonen ikke bruker. forutsigbare spor, sa jeg er nysgjerrig pa a finne ut hva som skjer. Et annet forslag er a prove folgende og se om det gjor sammendrag () -funksjonen.

spor (mxModelFit, «.forcesequential», sjekk = FALSE) & lt; – FALSE.

Logg inn eller registrer deg for a skrive kommentarer.

Her er resultatene fra traceback ()

15: slot (modell, navn)

11: ny («MxFlatModel», modell, liste (), liste ())

10: imxFlattenModel (modell, navneomrade)

9: mxEval (eta00, modell, beregne, vise)

8: eval (expr, envir, enclos)

7: eval (erstatning (mxEval (x, modell, beregne, vis), liste (x = as.name (navn))))

6: FUN (c («eta00», «eta01», «eta02», «eta03», «eta04», «eta05», «eta06»

«eta10», «eta11», «eta12», «eta13», «eta14», «eta15», «eta16»

5: lapply (X = X, FUN = FUN,.)

4: sapply (enheter, imxEvalByName, modell, beregne = TRUE, show = FALSE)

Forsok pa arbeidet rundt deg foreslar, resulterte i folgende feil:

& Gt; Feil i spor (modell, navn):

& Gt; ingen spor av navn «.resetdata» for dette objektet av klasse «MxModel»

med tilhorende spor ()

15: slot (modell, navn)

11: ny («MxFlatModel», modell, liste (), liste ())

10: imxFlattenModel (modell, navneomrade)

9: mxEval (eta00, modell, beregne, vise)

8: eval (expr, envir, enclos)

7: eval (erstatning (mxEval (x, modell, beregne, vis), liste (x = as.name (navn))))

6: FUN (c («eta00», «eta01», «eta02», «eta03», «eta04», «eta05», «eta06»

«eta10», «eta11», «eta12», «eta13», «eta14», «eta15», «eta16»

5: lapply (X = X, FUN = FUN,.)

4: sapply (enheter, imxEvalByName, modell, beregne = TRUE, show = FALSE)

Logg inn eller registrer deg for a skrive kommentarer.

For de manglende sporene i det gamle modellobjektet, ma du forst bestemme hva standardverdiene er i den nyeste versjonen av OpenMx. For eksempel, hvis jeg vil finne ut hva standardverdien for modell @. resetdata, da ville jeg gjore folgende:

Bruk deretter den forrige teknikken for a tildele standardverdien tilbake til det gamle modellobjektet.

spor (mxModelFit, «.resetdata», check = FALSE) & lt; – defaultValue.

Logg inn eller registrer deg for a skrive kommentarer.

A bestemme standard i den nyeste versjonen av OpenMx fungerer for.

Men hva foreslar du i folgende situasjon.

Til slutt, hvis standard er allerede FALSK, hvordan ville omfordeling av samme verdi rette problemet? Eller mangler jeg noe?

Klart jeg er magi som jeg mangler fordi folgende faktisk virker:

Logg inn eller registrer deg for a skrive kommentarer.

Oops. Jeg glemte at modellen @ .forcesequential er tildelt en verdi bare nar modellen kjores (det ser ut til at modellen ogsa trenger en objektiv funksjon for a angi .forcesequential-verdien). Jeg mistenker at folgende ogsa kan ha fungert, men kanskje ikke:

Nar det gjelder hvorfor du ma tilordne disse verdiene manuelt, er det fordi modellen du lastet inn fra filen, ble opprettet pa et tidspunkt da sporene «.forcesequential» og «.resetdata» ikke eksisterte. Nar modellen er lastet inn i R-tolken, mangler den disse sporene. Vi injiserer disse sporene manuelt inn i modellen. I det generelle tilfellet kan det ha v rt en slags nyttig informasjon i de manglende sporene som er enten vanskelig eller umulig a gjenopprette. Vi var heldige i dette tilfellet.