■　簡略な、因子の性質を調べる記述　点推定
　　;記事「詳細 osw事例《r１r2》で 因子の性質を逐次調べ　plotする」　　
　を簡潔に書き換える　osw事例データで　逐次因子を仕分ける式を組む
　記述例では、生起抑制因子１，２個を一括して式化　汎用性を考えて曝露はdfから読む
・率のぶれ幅・無関連因子を仕分けることが課題になる

　　 lm系多因子モデル　←　データ　→　ベクトル化　→　論理グループ
　　　　　　↓  　　　　　　　 ↓　因子選択
　　　交互作用　難　　　　論理グループ
　　　　　　　　　　    　　影響因子　；生起・抑制・阻止　BG　　　　　
　　　　　　　　　 　　　　　↓　G分け
　　　　　　　　   　　　　 因子独立　；加工　　　　　
　　　　　　　　　　　　　　  ↓　単純化
　　　　　　　　　   　　　 層化的　：　率が個々Gに決まる

■　因子選択 ；　度数で調べる　～　riskで逐次調べる記述
生起因子の確認
　以前の記事「生起：vi ,tyap,cake、抑制 ：w,rol,choco、阻止： jero,cabe 」とみたてたのだが、生起因子かどうか　　vi　ty　ca　？　　　ca：cake　　
　ひたすら調べる式  ・・
　　　yos*(1-vi)*(1-ty)*(1-ca)　の和は 0 ！　
　なのだが、下図のとおり　tyには実は生起性がなく、vi、caが生起とすべき
　　

　　　　　　　　 　

　　　　sum(yos*(vi)*(ty)*(ca))などで発生数をひたすら調べた結果　　　事例全体の発生数から
　このようなことから、生起因子をvi,caと決め 、抑制2因子の条件下で、阻止性を調べる記述としてみる　
・記述例　
　　曝露ありなしについて発生率をplotする
　　曝露数or非曝露数<10が信頼できないので強調する記述を追加
                      # ▼  riskを生起、抑制、阻止にわたって逐次調べる記述 ▼
        rd_<- NULL
      y1<- yos　   # ↓  dfでなく、ベクトルで記してもよい
      v1<- 1- (1-osd[,13]) *(1-osd[,12])  　#    vi または tyap　*(1-osd[,8])    caを生起vとし    　　　
      v2<- 1- (1-osd[,7])*(1-osd[,14]) 　  #    r  または choco  を抑制vとおく　
       r1_<-NULL
       r2_<-NULL　
     plot(xlim=c(0.5,0.75),ylim=c(0.65,0.8),"")
　　　for (k in 1:15)      #▼ riskを生起、抑制、阻止にわたって逐次調べる記述▼▼▼
  　 　　   { 
            v3<-osd[,k] 　
　　　　　r1<-sum( v1*v2*y1*v3)/sum( v1*v2*v3)       　　　　# 簡略な式　
                     #     r1p <-(+ 1+ sum(  v1*v2*y1*v3))/sum( v1*v2*v3)     # +1
　　　　   　#      r1m <-( -1+ sum(  v1*v2*y1*v3)  )/sum( v1*v2*v3)    #-1
　　　　　r2<-sum( v1*v2*y1*(1-v3))/sum( v1*v2*(1-v3)) 　　 　# 簡略な式
        　　        #       r2p <-(+ 1+ sum(  v1*v2*y1*(1-v3)))/sum( v1*v2*v3)    # +1
　　　　      　#      r2m <-( -1+ sum(  v1*v2*y1*(1-v3))  )/sum( v1*v2*v3)  # -1
　　　　            r1_<- c(r1_,r1)　
             　　 r2_<- c(r2_,r2)   #  ↓　ばらつき記述--観察度数からくる・・
 　  text(  x=r1 ,y=r2,"---",cex=exp(5-sum( v1*v2*v3) ),col="gray" ) 　# 信頼のなさをlogistic関数から表現
       text(  x=r1 ,y=r2,"｜",cex=exp(5-sum( v1*v2*(1-v3)) ) )   
　　    text(  x=0.6+0.01*k, y=0.6+0.01*k ,"・",cex=0.7　 )   
                  text(x=r1,y=r2,"*")　# risk 値　plot 
                       #      text(x=r1p,y=r2p,"*",cex=0.7)　# risk 値　plot 
                  #     text(x=r1m,y=r2m,"*",cex=0.7)　# risk 値　plot 
　　　        } 　　　#    ↓　図 ・ 表
              #    text(x=r1_,y=r2_,"*")　# risk 値　plot 
              text(x=r1_,y=r2_+0.005,  colnames(osd),cex=0.7)     # r1,r2ともベクトルのままplot
　　　　text(x=r1_+0.006,y=r2_+0.01,round(r1_-r2_,3),cex=0.7)
            　　　 # ▼ riskを生起、抑制、阻止にわたって逐次調べる記述▼▼▼  

　・結果
　　r1とr2が因子ごと簡潔な式から計算され保存される

　　　　　　　　　　vi 　r ch 曝露下での各因子 有無ごと risk  RD付き 
　　　　　　　　　　     　　　 milkのばらつき　曝露数が小さく横軸方向に広がる　
　この記述はロジスティック関数を用いて信頼のなさを表し、（非）曝露数kの小さい；10以下のIDの場合、 "｜" や "--" がみえる　またこのとき、大きい方はG平均に近づく　
　コホートであるから、r1r2プロットでは実は、ばらつく方向は右下がりになり、それぞれのデータが揺れた時の取りうる幅は往々重なる　
　tyなどに阻止性を疑いうる　watには抑制性があるかもしれない
■　記述の用法　　
・生起因子から逐次探すには、
　　生起を探すとき   i=1 　j=1　とし　   kを走らせる　生起が決まれば、・・
　　抑制を　〃　　　i=生起因子　j=1 　　〃　　　　  抑制が決まれば、・・
　　阻止を　〃　　　i=生起因子　j=抑制　〃　
・ただし、生起因子を　ひたすら調べるには、
　　sum( v1*v2・・・y1)　が >0　となる因子を度数だけから探せる　
　　例：sum(y1*(1-vi)*(1-ty)*(1-ca))　
　　　　　　　　　↑ ありなし・因子を代えて　yに絡む因子かを 数値：度数で調べる　
　生起因子は、生起性があるもの　という定義だからである
　また、生起因子以外のGを調べる場合、v1を1-v1として、条件を変えながら手探り的に率をみるとよい　このさい、いずれのレベルの発生をBGとするかなどを考えることができる　　　
■　まとめ
・簡潔な記述　因子の仕分けは、総当たり調整や、曝露非曝露riskをみる方法で行ったことがある
　RDで平面にプロットする、記事「 Rの汎用記述　MHRDの総当たり計算 ～ osw事例データ」で試した　
   Gのriskでみる方法は、記事「詳細  osw事例《r１r2》で  因子の性質を逐次調べ　plotする」で試した
　これらは、記述がやや長い
・調整後比較する方法；総当たり・・やcRDで選別する方法を試してきたが　新しい式は、Gを絞っていくことを積で表すことで、より簡潔になった
■　課題　信頼性や、とりうる幅
・信頼性と、曝露数により起こりうるばらつき、効果による因子の仕分けを次回の記事で記す