集団や群集の構造を調べるとき、まずは平均的な特徴や平均的な関係に光が投げかけられる。そこからのかい離は誤差項で、推定の際には最小化すべき厄介な存在として位置づけられる。ここでは集団や群集を構成する個体の間の多様性に等量の光を投げかけ、関係式のモデリングと誤差のモデリングを不可分のものとして位置づける。最尤法はデータの生成メカニズムを尤度の形でモデリングするため、自然に2つのモデリングを融合させることができる。尤度の対数をとった対数尤度は、統計モデルの真の生成メカニズムへの近さの度合いを、相対量の形で表現している。ただし、統計モデルをデータに当てはめて得られた最大対数尤度は、近さの度合いを過大評価している。これを補正して得られた不偏推定量である情報量規準AICは、種々の異質な統計モデルを比較することを可能にする。本論文は、殺虫剤の効用試験、苗木の成長試験の2つの古典的データを見つめなおし、実例を通して最尤法とAICによる統計的モデル分析の有効性を示すことを目的とする。前者はタバコスズメガ幼虫(Phlegethontius quinquemaculata)のカウントデータであるが、各処理でポアソン分布から期待される分散を超える過分散があること、さらにこの過分散がブロック間の不均質性で説明され、ブロック内は環境を均質に保たれていたことを見る。後者はベイトウヒ(Sitka spruce, Picea sitchensis)のサイズを継時的に測定したデータで、オゾンへの曝露の影響を調べたものである。初夏から秋にかけてのある年の成長をロジスティックモデル、およびパラメータに分布を導入した変量ロジスティックモデルで記述する。モデルを通して、成長開始前のサイズとその年の成長幅には大きな個体差があること、6月末が成長の最盛期であること、成長期間にはほとんど個体差はなく、2か月半であることを見る。モデル選択を通して分析対象とデータの持つ情報の量と質に関して理解を深めさせることが、AICのもたらす最大の効用であることを、これらの解析は示している。
