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.ステップⅠの逆ながれ.

　　　　　　　　　　　　　　　　　　　　　　
・左枠内
　ｍ：　ｍは生起としてよい.
　ｔ：　rmtとrmの差があり、tは抑制的な面はある.
　ｒ：　rは単独でriskを少し帯びている.

・中枠内・・差分
　m：　差分が２つ取れて、ほぼ確実に生起.
　ｔ：　差分が２つ取れて、ほぼ抑制的.
　ｒ：　単独での値だけはある（差分がない）.

・右枠
　ＳＥ：lmでは rのSEは大きい.lm切片ゼロ指定では係数とSEの大きさがほぼ同じ.

＊　データ、g率とgモデル推定の一致.
　左枠、ｇの率は、独立化ｇモデル推定係数と一致する.重複lm推定では、点推定値に無理があり広いSEをもつｒ次第といわんばかりの結果. r は差分データからは算定できないが、線形独立のSEからみて多面性のある因子と決めていいか？

・多面性か多変性か
　　　多面性をみるための、因子複写と推定
　　　ｒ以外の係数を固定した計算
　によって、データ差分を達成するか検討も考えられるが、なにも値が変化するのは１因子とは限らない.３因子とも相手によって変化しうると考えれば、

　いったん手動で係数を変化（絶対値を小さく）させたものを用意して、ｇを再現し、各ｎを乗じてＩＤ数を再現する.観察値と近づくことから、このような”弱まる”機構があり得るといえる.
　間に推定を入れたが、結果、推定無しでsimできるものだった.