・データによっては、生起因子を逸し、疑わしい因子を扱うこともありうる.
・生起因子らしさとは、事例の大部分の発生を説明できる因子であることも１つ.
　曝露が重複してみかけ上発生が多いものは生起因子でない、としてよい.
　そのようなものを数的に示したい.多いとする数値は、なくとも比較はできる.
　有力な生起因子なのか、調べる計算の1方法.

■　疑わしさの残る因子　
　mは、曝露で発生は大きく；生起因子に次ぐ　、逆は少ないため、疑わしさが残る.
　table度数をみる.
　　[1] 131 8 105 14
・実発生数率の計算
　アイデアは、BGは、小さいはずだということ.
　mについて非mでの発生をいったんBGとみなし、その率をm曝露数に乗じた数を発生数から減じて実質発生数とし、y１に対する割合をみる .
　　　( a - b / (b+d) * k ) / (a+b)
　としする.
　　[1] 0.325049
　となる.このとき、BGは86程になり、mが説明できる数45程より大きく、不自然な事態になる.
　　　　　
・事例での解釈
　m単独で説明できる発生は、BGであるべき数より大きく、前提と矛盾する.また、全発生の３割程にとどまるから、mが主たる生起因子とは言えない.
　このことから、この例では、調査に主な生起因子が欠けたものと考える.

■　生起因子、抑制因子のあて
　見やすい式は、「R　記述を短くするデータ」
　粗table　　例　m　　
　　 m4<-c(sum(　 y1[4]　),sum( re1[4] ),sum(　 y0[4] ),sum( re0[4] ) )　
　粗OR、層化、MHOR
　　例；記事「Rで計算.ベクトル化度数から ２つのMHORの起こりやすさまで」

■　念のため、 tについて確かめると、　
　t 度数は、
　　ttab<-c( sum(　 y1[7]　)　,sum( re1[7] ),　sum(　 y0[7] ),sum( re0[7] ) )
　　　[1] 132 7 81 38　
　から、同様な計算で、
　　　[1] 0.711
　と高率になっている.
　このとき、BGは33位、tが説明できる数99程であって、生起因子として不自然でない.

■　全因子について
　intetab[i,j] ；度数table から、各因子の値を次の記述でうる.
　実発生説明率を　zituh　ベクトルとする
　　　　ituh <-NULL
　　 for(i in 1:8) {
　　　　　　 　 zituh <-c(zituh ,　　　
　　　　　　　　　　　 (intetab[i,1]-intetab[i,2]/ (intetab[i,2]+intetab[i,4]　)*　　　　　　
　　　　　　　　　　　(intetab[i,1]+intetab[i,3]　)) /　(intetab[i,1]+intetab[i,2] ) )
　　　　　　　 } 　
zituh
[1] 1.00000000 -0.02406351 -0.03378563 0.32504905
[5] 0.21730086 0.09403905 0.71127098 0.36813103　

　この実発生数率を ｃORと比較すると、
　　　　　

　　　　

　　　　　　　　　　　　　　　　　　　　　最も右の〇は ｔ

　ｃORとよく似た指標とわかる.　　　crude

■　まとめ風
・「率」は、直感的にとらえやすく、ｃORと同等な指標とみえる.
・ｃORのみで生起因子を探すのに比べて、説明できる率を尺度にするので、やや安心感がある.
・引き続き、生起因子と、それに影響する因子を調べることができる.