■　以前の計算から、
・線形独立な予測子で推定;logistic回帰 すると観察とズレがあること
・抑制因子は単独で弱生起性、生起因子存在下で抑制　のような、一見二面性を示す可能性があること　【二面性・・】
・論理式は、因子効果を単一とせず、データと推定とのズレを”補正”しうる
それらを再度記してみる
■　論理式
　x1を前提にx２が働くとき、単独なx２とは異なる係数をもつ、というのが論理からの考え方だった
■　交互作用　
・論理式との関係
　因子の効果をlogistic回帰係数でみる
　　　x1+x1*x2+x2・・
の交互作用を含む予測子は、x1の前提でx2が働くこととx2単独の働きを分ける論理式そのものである　新たに交互作用項の係数β12が推定され、またx1x2それぞれが因子独立仮定した推定とは多少異なってくる　　

　　　

　　　　　図　因子の推定計数が作る多角形　実例データから
・交互作用
　x1を生起因子、x2を抑制因子とした例で・・　
　x1とx2の線形独立な関係の仮定により両係数は”平行的”：黒線　な図形的関係となるだろうところ、”非平行的”になっている：紫線

 　x1とx2が重複した場合；右上角 の係数は、　β1+β12+β2               　
　交互作用のある場合の、x1曝露でのリスク値に対する　p抑制効果は、RDとして
　　p(β。+β1+β12+β2) - p(β。+β1) 　　

　交互作用項を入れて係数；β12が推定されるが、x1x2群のリスク値の計算は、β12に依るのでなく、β1+β12+β2 を予測子として行う
   また、β1+β12<β1　となるとき、つまりβ12<0 のとき、交互作用を考慮した場合のx2は、生起因子の存在を条件とした、抑制因子である 
                                       
　　　　　　　x2あり　　　　　　　　　　x2なし
　　　　　x1　　　　　x1なし　　　  　x1　　　x1なし
　　β0+β1+β12+β2　　 β0+β2　　　　β0+β1　　　β0
　　　　　
・実例
　上の例に限らず、”平行的”関係といえない例、交互作用モデルが適切と思われる例が経験される

■　方針を修正
　データに基づいて推定しようというのが前提であるから、ズレがあればまずは交互作用を想定し、推定する　
　平行的な因子効果を前提として推定するのが固定観念だったが、むしろ歪んでいるのが自然なのかもしれない

　交互作用がありそうなときは、しかし、ほかの因子の影響にも気を配らなければいけない