・　MH総当たり表をグラフ表示して特徴から、注目する因子とする

　　 独立モデル係数をplotしてみる
■　記述　　　
　　for( j in 1:15)　　　# MHの値を　線グラフで　
　　 {　 plot( 　 oswmh[ j,1:15 ],ylim=c(-0.2,0.8),type="l"       )　　# MHの値
　　　　   text( x= j  ,  y = 0.7 ,　colnames(oswmh)[ j ] 　,cex=0.75)　
　　　　 par(new = T)　               
　 　}    
   

　　      図　　MHOR　ｘ：調整する因子番号　　　＋　切片付き独立モデル係数
　　　　　　　　　　　　　　　　　　　　　　　　青字 調整された因子の係数

■　特徴ある因子
・　rol：7 で調整した各mhは特異 chocoが奇妙　　　　　　　rol:choco
・　大部分の調整に対して、choco :下層線　のmhは特異
・　vice:13 で調整したmilkが特徴的　　　　　　　　　　　　milk:
　→　 rol choco   は注目したい　;　milkは曝露数小さすぎ
 ・　viceで調整した　8　tyap も　マイペースでおもしろい　　　　

　２　　３　　４　　５　　６　７　８　   ９ 　１０　１１　１２　１３   １４  １５
 "yakih" "spi" "pote" "cabe" "jero" "rol" "tyap" "milk" "cafe" "wat" "cake" "vice" "choco" "salad"
　　　　　　　　　　　　　　　 -　　　 　　　　　　　　　　　　　　　zettai- 
                                                     cho無反応　　　　　　　　　　　　milk無反低いまま
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　tyap無反
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　wat高め
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
　　
■　MH図示
・図示の記述ができて初めて、因子の特徴がみえるようになった
・この事例データによく合った方法かもしれない    

■図示　加工     
　for( j in 1:15)　　　# MHの値を　線グラフで　
　　 {　 plot( 　 oswmh[ j,1:15 ],ylim=c(-0.2,0.8),type="l" )　　# MHの値
　　　　 text( x= j , y = 0.7 ,　colnames(oswmh)[ j ] 　,cex=0.75)　
　　　　text(x= 5,y=oswmh[ 8,5 ] ,"tyap" )　　
　　　　 par(new = T)　
　 　}　
             plot( 　 oswmh[ 8,1:15 ],ylim=c(-0.2,0.8),  type="l"  ,lwd = 2  )