■　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 程度　
　これは２日分のデータらしい.
■　　
　xtabsで clude oddsratioをみれば、
　　　　　　　生起因子ｍ
　生起因子を除いたままモデル推定して、因子削減し、残る因子は、
　　　　　　　h　p　s　t
　さらにｇ化する.mに曝露したもののみを対象とする.ｍ曝露なしのy1 は2にとどまる.
　差分をとってみると、
　　　　　　　抑制因子　　h　t
　そのほか、pはリスクなしとせず.

　

      　図　　事例のg化　：ｍ曝露のみ
　　　　　　　　　　曝露因子名右に率　　青文字：y1 ID数

　        表　　残因子、差分　　
　　　　　　　　　　右らん：残因子推定係数・SE

　残因子のlm推定値はまた、差分の値に近い.sの係数は0付近でSEは大きいので多面性を疑う.
■　計算練習し、経験していくためにはデータが欲しい.公開データは少ないから、貴重だ.発散するからといって、放棄せずちょっと工夫すれば例題となる.
　***  この事例はsupが２つあるようだ.
　残因子はまた、差分によって因子が示す値のあたりにぼんやりと位置する値であったことも再確認できた.