［曝露・係数分離］関係式～optim

■　曝露と係数を分離して立式し、optimで推定する.因果関係を積とした関係式. ■　データ、式 　　　　　　　　　　　　　　　　　　　　　　dataのカラム 　　　卵焼　　　　　　生起因子　　　   　ta　　　16 　　　鮭塩焼き　　　　抑制因子　　　　 sak　　　14 　　　ポテトサラダ　... 続きをみる

クェート事例　逆ステップ　全因子が変化して不思議はない

事例：　n=96、メニュー3個の事例、rate0.677とこれまた、高率. 　メニュー  r :  ﾗｲｽ , m : ﾐｰﾄ , t :  ﾄﾏﾄ 　　　いずれも、延べ曝露７０<.    メニューを削減する必要がない.生起因子は簡単に区別できる. 差分計算から入って、独立モデル、lmをみる.ステ... 続きをみる

oswego事例　独立ｇデータ

■　データ 　公開データには、oswego・・なるものがある.これを加工して解析（原典と一致している保証せず）. ■　lmで因子を絞る 　線形独立推定するとバニラアイスが生起、ミルクとサラダ類が抑制とみえた.ミルクは　(-) に係数が大きく、かつSEは大だった.他の因子のSEもまた大きめ（1<）で... 続きをみる

生起因子発散する事例；納豆オクラ　解析ステップⅠで

■　モデリングに向かないデータを解析する 　生起因子に発散が起こる、何という偏りのあるデータだろうか.だが、生起因子を欠くモデルでは、切片にリスクが移り、他の因子はそこそこ推定できるのだった.これを利用すれば因子削減できる. ■　データ 　N=162程度、欠測多し　（実質）　Y1 /N=0.6 程... 続きをみる

解析ステップのver upと選択

■　ver upの点 ・lmによってうまく因子削減でき、次いでｇ化差分から因子の性質がみえる. 　交互作用モデルを経ないステップを考える.以前のステップの改定. ステップ 　　　　Ⅰ　ｌｍ系推定・・因子削減・・ｇ化差分計算・・ 　　　　Ⅱ　ｌｍ系推定・・因子削減・・因子別名交互作用推定・・ 　Ⅰは... 続きをみる

lm系係数SEで因子削減 ＆ ”狙いの一つ”解決

 ■　モデル改良のあたりを少し詳しく調べた. 　推定係数のSEから因子削減する.式改変、操作が簡単なlm系モデリングで攻める. ・使用データ　 　　観光船事例、生起因子がないデータ 　　（納豆オクラ事例は、モデルに向かない.MH一斉分析などで・・.） ■　lm系で推定・因子の削除　 　係数絶対値、... 続きをみる

独立データから着想・・同一因子 別名推定

■　独立データ（非重複データ）は推定法によらず同一な結果をもたらし、元データに一致した.独立データを図式した段階で、ｍが抑制、阻止の２面性をもつことがわかったが、それを数的に表し、元データと一致するか調べたい. ■　交互作用に工夫をしてみる.ｍの曝露データを　ｍ、ｍ１、ｍ２　と名を変え、複写し追加... 続きをみる

メモ　ベータ関数

ベータ関数 　　　　　　　　　　０≤　ｘ　≤１ 　分母はパラメータによって決まる定数で　（　5,3　）ならば105^-1　 　分子は多項式で、簡単に積分でき、　 　　1/5x^4-1/3x^6+1/7x^7 　よって　Bの積分は下図のよう. 　 　この線は、ｘ＝０付近で強く０に近く、ｘ＝１ 　

独立データから個々の因子をみる　mesiの特徴

・独立データは、線形とlogistic、mls推定とNLL推定が一致する. ・因子が重複するｇは、複数生まれているが、係数の上下幅が広いものがある.独立ｇのリスク差をみる. 　　ex　リスク差 　　　　　m単独曝露で   0.231 　　　　　ｍを含むｇは　msp  0.2     -  sp 0... 続きをみる

余興；推定関数の加工

・推定関数は曲面の方程式で、mlsとNLLは最小値が描く線も異なっていた.この関数を加工し推定に使えるか・・.optimを用いて調べる. ①　p-y図で「⤴」となる最小値を描くようなものを探した.mlsに１項加える. 　　 mls <- sum( ( pr- y )^2 -pr*y　) ・非独立な... 続きをみる