1、交互作用分析一、交互作用的概念簡(jiǎn)單地說(shuō)，交互作用指當(dāng)兩個(gè)因素都存在時(shí)，它們的作用大于（協(xié)同）或小于（拮抗）各自作用的和。要理解交互作用首先要區(qū)別于混雜作用?；祀s作用以吸煙（SMK）和飲酒（ALH）對(duì)收縮壓（SBP）的影響為例，可以建立以下二個(gè)模型：模型 1:SBP=B0+夕 SMK模型 2:SBP=30+31ALH+32SMK假設(shè)從模型 1 估計(jì)的 SMK 的作用為 32,2,從模型 2 估計(jì)的 SMK 的作用為 32。如吸煙與飲酒有關(guān)（假設(shè)吸煙者也多飲酒），而且飲酒與血壓有關(guān)，這時(shí)可以假想兩種可能：1,吸煙與血壓無(wú)關(guān)，但因?yàn)轱嬀频脑?，模?1 中的2,2,會(huì)顯著，而模型 2 控制了 ALH

2、 的作用后，SMK 的作用2將不顯著。2,吸煙與血壓有關(guān)， 模型 1 中估計(jì)的 SMK 的作用 32,一部分歸功于飲酒， 模型 2 估計(jì)的2 是控制了 ALH的作用后 SMK 的作用，因此 B2,不等于2。是不是 32 不等于 32 2就意味著有交互作用呢？不是的，這只是意味著 32 2中有飲酒的混雜作用。那么什么是交互作用呢？根據(jù)吸煙與飲酒將研究對(duì)象分成四組，各組 SBP 的均數(shù)可用下表表示:不飲酒飲酒不吸煙0O3o+31吸煙3o+B23o+31+32+312吸煙與飲酒對(duì) SBP 的影響，有無(wú)交互作用反映在B12上，檢驗(yàn)B12是否等于零就是檢驗(yàn)吸煙與飲酒對(duì) SBP的影響有無(wú)交互作用。而上面的

3、模型 2 是假設(shè)B12等于零所做的回歸方程。交互作用的理解看上去很簡(jiǎn)單，但需要意識(shí)到的是交互作用的評(píng)價(jià)與作用的測(cè)量方法有關(guān)。以高血壓發(fā)病率為例，看吸煙與飲酒對(duì)高血壓發(fā)病率的影響就有兩種情況。I、相加模型:不飲酒飲酒不吸煙IOIO+Ia吸煙IO+ISIo+Ia+Is+IsaII、相乘模型:不飲酒飲酒不吸煙IOIO*A吸煙IO*SIO*S*A*B相加模型檢驗(yàn) Isa 是否等于零，相乘模型檢驗(yàn) B 是否等于 1,可以想象 Isa 等于零時(shí) B不一定等于 1,因此會(huì)出現(xiàn)按不同的模型檢驗(yàn)得出的結(jié)論不同。在報(bào)告交互作用檢驗(yàn)結(jié)果時(shí)，要清楚所用的是什么模型。一般的線(xiàn)性回歸的回歸系數(shù)直接反映應(yīng)變量的變化，是相加

4、模型，而 Logistic 回歸的回歸系數(shù)反映比值比的變化，屬相乘模型。二、交互作用的檢驗(yàn)交互作用檢驗(yàn)有兩種方法，一是對(duì)交互作用項(xiàng)回歸系數(shù)的檢驗(yàn)(Waldtest),二是比較兩個(gè)回歸模型，一個(gè)有交互作用項(xiàng)，另一個(gè)沒(méi)有交互作用項(xiàng)，用似然比檢驗(yàn)。本系統(tǒng)采用彳以然比檢驗(yàn)(Loglikelihoodratiotest)方法。如以吸煙與飲酒兩個(gè)兩分類(lèi)變量為例，可以形成回歸方程：方程 1:F(Y)=30+31ALH+32SMK+312SMK*ALH計(jì)算該方程似然數(shù)(likelihood)，似然數(shù)表示按得出的模型抽樣，獲得所觀察的樣本的概率。它是一個(gè)很小的數(shù)，因此一般取對(duì)數(shù)表示，即 Loglikelihoo

5、d，似然數(shù)可以簡(jiǎn)單地理解為擬合度。如果我們假定吸煙與飲酒無(wú)交互作用，312等于零，則方程為：方程 2:F(Y)=30+31ALH+32SMK如果方程 1 和方程 2 得到的似然數(shù)沒(méi)有顯著差別，表明B12是多余的，或者說(shuō)12與零無(wú)顯著性差異，吸煙與飲酒對(duì) f(Y)無(wú)交互作用。反之，吸煙與飲酒對(duì) f(Y)有交互作用。三、交互作用分析1.運(yùn)行兩種回歸模型:A 和Bo交互作用分析也可以理解為，在分層分析基礎(chǔ)上對(duì)分層變量的不同層級(jí)水平上，危險(xiǎn)因素對(duì)結(jié)果變量的作用的回歸系數(shù)差異進(jìn)行統(tǒng)計(jì)學(xué)檢驗(yàn)。如上表中可以看出，在不吸煙組， 飲酒的作用是 3i,在吸煙組中飲酒的作用是 Bi+12,如 B12=0 則表示飲酒

6、的作用在吸煙組與不吸煙組都一樣。分析交互作用主要回答的問(wèn)題是：有哪些因素影響危險(xiǎn)因素（X）與結(jié)果變量（Y）的關(guān)系”？有沒(méi)有效應(yīng)修飾因子？參看流行病學(xué)假設(shè)檢驗(yàn)的思路。如果危險(xiǎn)因素是分類(lèi)型變量，系統(tǒng)將:1 .列出危險(xiǎn)因素與效應(yīng)修飾因子的每種層級(jí)組合（聯(lián)合亞組），如危險(xiǎn)因素分 3組，效應(yīng)修飾因子分 2 組，聯(lián)合亞組就有 6 組。2 .如果結(jié)果是一個(gè)連續(xù)性的變量，統(tǒng)計(jì)每個(gè)聯(lián)合亞組內(nèi)結(jié)果變量的均數(shù)與標(biāo)準(zhǔn)差；如果結(jié)果是一個(gè)二分類(lèi)的變量，統(tǒng)計(jì)頻數(shù)（百分?jǐn)?shù)）。3 .運(yùn)行兩種回歸模型：A 和 B模型 A 按聯(lián)合亞組生成指示變量，放入模型中（如有 6 個(gè)聯(lián)合亞組，把一組作為參照組，放入 5 個(gè)指示變量于模型中）；

7、模型 B 不考慮危險(xiǎn)因素與效應(yīng)修飾因子的聯(lián)合，分別產(chǎn)生指示變量放入模型中，如危險(xiǎn)因素分 3 組，把一組作為參照，放入 2 個(gè)指示變量于模型中，效應(yīng)修飾因子分 2 組，一組為參照，放入一個(gè)指示變量于模型中，共 3 個(gè)指示變量。然后進(jìn)行似然比檢驗(yàn)比較模型 A 與模型 B,報(bào)告 P 值，即交互作用的 P 值如果危險(xiǎn)因素是連續(xù)性變量，系統(tǒng)將：發(fā)現(xiàn)效應(yīng)修飾因子對(duì)助于我們進(jìn)一步理解危險(xiǎn)因素對(duì)結(jié)果變量的作用通路。危險(xiǎn)因素可以是連續(xù)性變飾因子限于分類(lèi)型變量。量，也可以是分類(lèi)型變量。本系統(tǒng)多要分析的可能的效應(yīng)修系統(tǒng)將自動(dòng)檢測(cè)結(jié)局變量的回歸模型（如 Logistic 行定義。的類(lèi)型（如兩分類(lèi)變量、連續(xù)變量）回歸或

8、線(xiàn)性回歸模型）。用戶(hù)可以對(duì),再自動(dòng)默認(rèn)選擇合適分布類(lèi)型和聯(lián)系函數(shù)自用戶(hù)可以定義表格輸出格式，包括要報(bào)告的結(jié)果、行列編排、小數(shù)點(diǎn)位置等。模型 A 按效應(yīng)修飾因子的每個(gè)層級(jí)產(chǎn)生危險(xiǎn)因素參數(shù)。如效應(yīng)修飾因子為 SMK分 2 組（吸煙與不吸煙），危險(xiǎn)因素為 BMI（體重指數(shù)），產(chǎn)生 2 個(gè) BMI（BMI1 與 BMI2）,當(dāng)SMK=0（不吸煙）時(shí)，BMI1=BMI,BMI2=0;當(dāng) SMK=1（吸煙）時(shí)，BMI2=BMI,BMI1=0。把 BMI1 與BMI2 同時(shí)放入模型中。模型 B 只有一個(gè)危險(xiǎn)因素參數(shù)。然后進(jìn)行似然比檢驗(yàn)比較模 A 與模型 B,報(bào)告 P 值，即交互作用的 P 值。系統(tǒng)將自動(dòng)檢測(cè)

9、結(jié)局變量的類(lèi)型（如兩分類(lèi)變量、連續(xù)變量），再自動(dòng)默認(rèn)選擇合適的回歸模型（如 Logistic 回歸或線(xiàn)性回歸模型）。用戶(hù)可以對(duì)分布類(lèi)型和聯(lián)系函數(shù)自行定義。用戶(hù)可以定義表格輸出格式，包括要報(bào)告的結(jié)果、行列編排、小數(shù)點(diǎn)位置等。例 1:IffJL L標(biāo)題；交互作用檢臉1 1選擇分析對(duì)臬;所有數(shù)據(jù)記錄,設(shè)計(jì)行：選擇列行分層受量：血性別行排序掂：G G分細(xì)再按：肩費(fèi)a a再捺決危險(xiǎn)因素迤擇輸出內(nèi)咨與格式：13fg5MI)Pvalue/OR(95%C13fg5MI)Pvalue/OR(95%C PvaluePvalue精蠲到小數(shù)點(diǎn)：0.Q10.Q1如用GEE;GEE;研變對(duì)象編號(hào)變里內(nèi)部I I聯(lián)類(lèi)型查看塞

10、格HefneshSaveHefneshSave輸出結(jié)果:交互作用檢驗(yàn)變里分布聯(lián)系函賴(lài)秒肺活里G3U5S3HG3U5S3HIdentityIdentity最A(yù) A師話(huà)量GaussianGaussianIdenrtityIdenrtityIIIIII.選擇結(jié)果費(fèi)里IV.IV.選擇危險(xiǎn)因素的:U選擇效應(yīng)修飾因子(分類(lèi)交里)：srsr。Ire,Ire,眼煙K 里年齡， 設(shè)計(jì)回歸方程:吸煙-N否是合計(jì)交互作用的P值性另 1=男一秒肺活量366-0.05(-0.06,-0.04)0.001-0.06(-0.07,-0.05)0.001-0.06(-0.07,-0.05)0.0010.039最大肺活量366

11、-0.04(-0.05,-0.02)0.001-0.05(-0.06,-0.04)0.001-0.05(-0.05,-0.04)0.0010.029性另二女一秒肺活量364-0.03(-0.04,-0.02)0.001-0.03(-0.05,0.00)0.030-0.03(-0.04,-0.02)0.0010.608最大肺活量364-0.03(-0.04,-0.02)0.001-0.03(-0.05,-0.01)0.009-0.03(-0.04,-0.02)0.0010.854合計(jì)一秒肺活量730-0.04(-0.04,-0.03)0.001-0.06(-0.07,-0.05)0.001-0.

12、05(-0.05,-0.04)0.0010.001最大肺活量730-0.03(-0.04,-0.02)0.001-0.05(-0.06,-0.04)0.001-0.04(-0.04,-0.03)0.0010.001回歸系數(shù)（95%可信區(qū)間）p值/比值比/危險(xiǎn)度比（95%可信區(qū)間）p值結(jié)局變量：一秒肺活量和最大肺活量危險(xiǎn)因素：年齡分層變量：性別模型I:調(diào)整變量：文化程度，飲酒，職業(yè)和被動(dòng)吸煙分組合計(jì)后的分析也調(diào)整了：性別交互作用的P值由對(duì)數(shù)似然比檢驗(yàn)比較兩個(gè)相嵌模型得出于2012-05-08使用易傳統(tǒng)計(jì)軟件（）和R軟件生成。例2:交互作用分析叵L標(biāo)題：交互傳用檢胎II-選擇分析時(shí)象：所有數(shù)據(jù)記錄

13、二行排摩柱：摩柱：f結(jié)局堂里局堂里再推：X危險(xiǎn)因素再捻選攆輸出由答與格式：P P南而Pvalue-ORPvalue-OR5 5肛而valuevalue精確到小勘點(diǎn)；川如用GEE:GEE:研究對(duì)象編號(hào)變量?jī)?nèi)部中歌類(lèi)型輸出結(jié)果:笠:甲分布庭系困領(lǐng)收縮壓，亳米汞柱GausanGausanIdentityIdentity舒張壓，奎米柔桂GaussanIdentityin選擇卷果費(fèi)里選擇卷果費(fèi)里m二二/選擇效應(yīng)傳沛因子f分類(lèi)變星L：snp1設(shè)計(jì)行；選擇列行分層變量；查看表格RefreshRefreshSaveSaveI I樟型三:簪擇用個(gè)樽型分析對(duì)象：1：每個(gè)模型用其可用的對(duì)象交互作用檢驗(yàn)吸煙SNP1樣

14、本量均數(shù)+標(biāo)準(zhǔn)差|回歸系數(shù)95%可信區(qū)間P值1交互作用F值收縮壓，毫米汞柱否AA311|126.3+20.9|00.447否AB158|132.1+23.417.03.2,10.8|0.001不BB15137.7+13.4112.01.9,22.1|0.0201是是AA194|129.5+23.1j-6.9-11.3,-2.4|0.0031是AB109137.6+24.6P4.0-1.0,9.1|0.116f是舒張壓，毫米汞柱BBBB23140.3+21.516.8-1.9,15.5|0.127否否AA31168.5十10.100.330否否AB15869.4+12.21.4-0.7,3.40.