■　リニアモデルでは、例えば、推定した 線形予測子ｚi＝β。＋β1xi＋・・　が、即piになっている.
　線形予測でなくとも、ziがなんらの関数であってもかまわないが、線形予測から始める.
　生起因子x1とするとき、

　　　　　　　　　x1曝露あり　　
　観察発生y1　　　　Ep1　　
　　　　　y0　　　　・
　　　　　　　　　　曝露E　　　　　

　なので、　x1にかかる1人のリスクはつぎのようになる.
　　　　　Ep1i / E ＝ p1 ＝ β。＋β1x1＋・・ 
■　推定関係式
　piは線形でなく、曲線でもない因子関連を考えるとき、もしなんらの推定で生起・抑制因子が確定できたら因子を減らせ、簡単になる.
　層化やlmの線形予測子をみるうちに着想したのだが、・・ pi ； f(xi) は、

　　　pi = zi ＝ f（xi）

　という、lmライクなf()を式として、計算式を考えること＝推定方法を考えること＝確率（１人のリスク）を考えることになる.順番は、
　　　関係式を考える　→　因子の効き具合の変数を決める　=　推定

・関係式の組み立て
　生起因子の存在下で、抑制因子、さらにその存在を前提に因子が関連しているとする.
　生起因子の因子曝露がなければ、yi = 0だから β。=0 と、自然に決まる.因子がすべての発生状況を決めるとすれば 常に β。=０ともおける.
　生起因子曝露あり：1,なし:0　・・などとし、生起因子x1、抑制因子x2、阻止因子x3とすると、

　　　pi =  x1 ( 1 -x3v1) + x1x2(1-x3v2)
　　　　　　　　　　　　　　　　　　　　x1,2  にかかるβiは記述省略
　とすれば、生起因子の存在の下で抑制因子x2が効くこと、生起、抑制因子それぞれの下で阻止する因子x3がv1,2で効く、ということを表せる.どれが生起・抑制因子かは別に決める.
　　　　　　　　　　　　　　　・・・過去記事「抑制を阻害する因子」の宿題

　係数は、層化から求め試せる.阻止する因子に係数は決められないが因子の効き具合として；上式v1,2；仮定し、試せばいい.
　層化から得た係数の方はすでに調整したものとして固定し、変数を減らしておく.つまりは関係式そのものを推定対象とし、関係式が成り立ちうるのかを考えていく.
　　
・　手計算sim
　モデリングから離れて式を組み立てるなら、同時に、最小二乗や最尤推定の呪縛がなくなる.かわりにデータである発生数y1にどのようにpiを寄せるかが次の宿題.