重複した因子を曝露パターンでまとめると、そのｇは独立し、元の因子の関係；生起、抑制、交互作用が俯瞰できた.ｇを推定して何がみえるか.　
　(g)lm、optim、線形回帰とlogistic回帰により最小二乗　mls Σ(p-y)^2と 最尤推定　NLL  -Σ (yln(p)+(1-y)ln(1-p))による推定値を調べる.普通の重複あるデータと独立データそれぞれ試す.

　
　　横軸：lm;線形回帰最小二乗による推定値から率を計算したもの　
　　縦軸：各推定値から率を計算したもの

・左図；普通データ
　　　　　青　optimによる線形回帰最小二乗推定
　　　　　赤　glm logistic回帰最尤推定　（一部結果プロット省略）
　optimと(g)lmでは、線形どうし、logisticどうしは極めて類似するが、線形とlogisticは差が大きい.

・右図；因子まとめｇ化したものの推定　
　optimによる線形回帰最小二乗推定、logistic回帰による最尤推定、最小二乗推定、glmによる logistic回帰、最尤推定のプロットは重なり、値は一致.
　独立データは推定法２つのどちらでも、結論が変わらない.

・普通データでは、線形回帰とlogistic回帰とで差があった.
　このことだけから理由を考えると・・・ひとつにデータの曝露重複のせいか.

・曝露ｇに分けた新たな因子の試行は、むしろ推定モデルの違いをあらわにした.