・Rで必要になるデータの整理、手計算MHORをメモする.
　Fisherの正確確率　　　　　　　　　　　　　　　←　ORのみ　；記述訂正
　MH関数・正確確率付き　　　　　　　　　　　　 ←   MHOR　  ；記述訂正

■　データの処理
　空白行を探知し、削除する.　
　　例　 c6 <-complete.cases(d6)
　　　 　dr <- d6[c6,]  　　　       dr：操作するデータ
・表  
　　yts_ts <-xtabs(~y+tam+sake,data=data7)
　２つのtab：sありの方のtab と なしtab

　　　　Rでの表現　　　　　　　表計算での表現　　　
　　　　> yts_ts[,,2]

　　　

■　Fisher's Exact Test
　個々の表に対して、Fisher's Exact Test するR関数があって、

fisher.test(yts_ts[,,1])
--------
Fisher's Exact Test for Count Data

data: yts_ts[, , 1]　　　　サケあり層だけをtest
p-value = 2.705e-06
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
3.562507 56.561822
sample estimates:
odds ratio
12.41095
---------
　％tileが広い.
  
・図示
　表ごとに、plot の前に t ( ) で転置しておく.　　　　　　　　《　転置は　t（）》
　　　　　　　　　　例　t_y<-t(yts_ts[,,2])　意味： sakeあり：２の表を 転置する
　上左表と同じ順で図示される.
　

　　　　　

・手計算によるMH調整ORを組む.

　　　　　　 　を書く.

　R script　
　　 MHOR_yt<-(as*ds/sums+a*d/sum_)/(bs*cs/sums+b*c/sum_)　
　　　　　　　サケあり、なしtab の aからd,n
　　 MHOR_yt
　　　[1] 9.318758　　　

　手計算でのMHORは、関数 mantelhaen.test；statsからのものと一致（下記）.
　ところで、MHORはどうしても各層MHORの  ”間をとっている” 感が残る.
　　　　

　　　　　　　　

　また、MHORのCIは、漸近的でないものをどう考えるか、は根の深い疑問.
---------------
■　mantelhaen.test　　R関数
　　　    : 基本機能であるstats   　３元分割表が必要　
　mantelhaen.test(yts_ts)
　Mantel-Haenszel X-squared = 29.231, df = 1,
　p-value = 6.424e-08
　・・　９５％　3.868831 22.445863
　・・　ｃMH　9.318758
-　
なお、exact=TRUE　とすると【fisherの正確確率】に・・また、common odds ratio も conditional MLE になるのだそうだ；奥村氏.
-
mantelhaen.test(yts_ts,exact=TRUE)
　Exact conditional test of independence in 2 x 2
　x k tables
　data: yts_ts
　S = 38, p-value = 2.284e-08
　alternative hypothesis: true common odds ratio is not equal to 1
　95 percent confidence interval:
　3.771102　　　　　 27.427056　←　exactなしだと　３.6　　　22　くらい
　sample estimates:
　common odds ratio
　9.467893　　　　　　　　　　　←　exactなしだと9.319くらい　
 -