交互作用解析計劃

1、交互作用分析計劃交互作用分析計劃5/5交互作用分析計劃一、交互作用的見解簡單地說，交互作用指當兩個要素都存在時，它們的作用大于（共同）或小于（拮抗）各自作用的和。要理解交互作用第一要差異于混淆作用?；煜饔靡猿闊煟⊿MK）和喝酒（ALH）對縮短壓（SBP）的影響為例，能夠成立以下二個模型：模型1：SBP=0+2SMK模型2：SBP=0+1ALH+2SMK假定從模型1預計的SMK的作用為2，從模型2預計的SMK的作用為2。如抽煙與喝酒相關（假定抽煙者也多喝酒），并且喝酒與血壓相關，這時能夠設想兩種可能：1.制了抽煙與血壓沒關，但由于喝酒的原由，模型ALH的作用后，SMK的作用2將不明顯。1中的2

2、會明顯，而模型2控2.2預計的抽煙與血壓相關，模型2是控制了ALH的作用后1中預計的SMK的作用2一部分歸功于喝酒，模型SMK的作用，所以2不等于2。能否是2不等于2混淆作用。就意味著有交互作用呢？不是的，這但是意味著2中有喝酒的那么什么是交互作用呢？依據(jù)抽煙與喝酒將研究對象分紅四組，各組SBP的均數(shù)可用下表表示：不喝酒喝酒不抽煙00+1抽煙0+20+1+2+12抽煙與喝酒對SBP的影響,有無交互作用反應在12上，查驗12能否等于零就是查驗抽煙與喝酒對SBP的影響有無交互作用。而上邊的模型2是假定12等于零所做的回歸方程。交互作用的理解看上去很簡單，但需要意識到的是交互作用的談論與作用的丈量方

3、法相關。以高血壓發(fā)病率為例，看抽煙與喝酒對高血壓發(fā)病率的影響就有兩種狀況。、相加模型：不喝酒喝酒不抽煙I0I+Ia0抽煙I0+IsI0+Ia+Is+Isa、相乘模型：不喝酒喝酒不抽煙I0I*A0抽煙I0*SI*S*A*B0相加模型查驗Isa能否等于零，相乘模型查驗B能否等于1，能夠想象Isa等于零時B不用然等于1，所以會出現(xiàn)按不同樣的模型查驗得出的結論不同樣。在報告交互作用查驗結果時，要清楚所用的是什么模型。一般的線性回歸的回歸系數(shù)直接反應應變量的變化，是相加模型，而Logistic回歸的回歸系數(shù)反應比值比的變化，屬相乘模型。二、交互作用的查驗交互作用查驗有兩種方法，一是對交互作用項回歸系數(shù)的

4、查驗（Waldtest）,二是比較兩個回歸模型，一個有交互作用項，另一個沒有交互作用項，用似然比查驗。本系統(tǒng)采納似然比查驗（Loglikelihoodratiotest）方法。如以抽煙與喝酒兩個兩分類變量為例，能夠形成回歸方程：方程1：F（Y）=0+1ALH+2SMK+12SMK*ALH計算該方程似然數(shù)（likelihood），似然數(shù)表示按得出的模型抽樣，獲取所察看的樣本的概率。它是一個很小的數(shù)，所以一般取對數(shù)表示，即Loglikelihood，似然數(shù)能夠簡單地理解為擬合度。假如我們假定抽煙與喝酒無交互作用，12等于零，則方程為：方程2：F（Y）=0+1ALH+2SMK假如方程1和方程2獲取的

5、似然數(shù)沒有明顯差異，表示12是節(jié)余的，或許說12與零無明顯性差異，抽煙與喝酒對f（Y）無交互作用。反之，抽煙與喝酒對f（Y）有交互作用。三、交互作用分析交互作用分析也能夠理解為，在分層分析基礎上對分層變量的不同樣層級水平上，危險要素對結果變量的作用的回歸系數(shù)差異進行統(tǒng)計學查驗。如上表中能夠看出，在不抽煙組，喝酒的作用是1，在抽煙組中喝酒的作用是1+12，如12=0則表示喝酒的作用在抽煙組與不抽煙組都同樣。分析交互作用主要回答的問題是：有哪些要素影響危陡峭素（X）與結果變量（Y）的關系”？有沒有效應修飾因子？參看流行病學假定檢驗的思路。發(fā)現(xiàn)效應修飾因子對助于我們進一步理解危陡峭素對結果變量的作用

6、通路。危陡峭素能夠是連續(xù)性變量，也能夠是分種類變量。本系統(tǒng)多要分析的可能的效應修飾因子限于分種類變量。系統(tǒng)將自動檢測結局變量的種類（如兩分類變量、連續(xù)變量），再自動默認選擇適合的回歸模型（如Logistic回歸或線性回歸模型）。用戶能夠對散布種類和聯(lián)系函數(shù)自行定義。用戶能夠定義表格輸出格式，包含要報告的結果、隊列編排、小數(shù)點地點等。假如危陡峭素是分種類變量，系統(tǒng)將：1.列出危陡峭素與效應修飾因子的每種層級組合（結合亞組），如危陡峭素分3組，效應修飾因子分2組，結合亞組就有6組。2.假如結果是一個連續(xù)性的變量，統(tǒng)計每個結合亞組內(nèi)結果變量的均數(shù)與標準差；假如結果是一個二分類的變量，統(tǒng)計頻數(shù)(百分數(shù)

7、)。3.運轉兩種回歸模型：A和B模型A按結合亞組生成指示變量，放入模型中（若有6個結合亞組，把一組作為參照組，放入5個指示變量于模型中）；模型B不考慮危陡峭素與效應修飾因子的聯(lián)合，分別產(chǎn)生指示變量放入模型中，如危陡峭素分3組，把一組作為參照，放入2個指示變量于模型中，效應修飾因子分2組，一組為參照，放入一個指示變量于模型中，共3個指示變量。此后進行似然比查驗比較模型A與模型B，報告P值，即交互作用的P值。假如危陡峭素是連續(xù)性變量，系統(tǒng)將：1.運轉兩種回歸模型：A和B。模型A按效應修飾因子的每個層級產(chǎn)生危陡峭素參數(shù)。如效應修飾因子為SMK分2組（抽煙與不抽煙），危陡峭素為BMI（體重指數(shù)），產(chǎn)生

8、2個BMI（BMI1與BMI2），當SMK=0（不抽煙）時，BMI1=BMI，BMI2=0；當SMK=1(抽煙)時，BMI2=BMI，BMI1=0。把BMI1與BMI2同時放入模型中。模型B只有一個危陡峭素參數(shù)。此后進行似然比查驗比較模A與模型B，報告P值，即交互作用的P值。系統(tǒng)將自動檢測結局變量的種類（如兩分類變量、連續(xù)變量），再自動默認選擇適合的回歸模型（如Logistic回歸或線性回歸模型）。用戶能夠對散布種類和聯(lián)系函數(shù)自行定義。用戶能夠定義表格輸出格式，包含要報告的結果、隊列編排、小數(shù)點地點等。例1：輸出結果：交互作用查驗抽煙-N否是共計交互作用的P值性別=男一秒肺活量366,最大肺活量366,性別=女一秒肺活量364,最大肺活量364,共計一秒肺活量730,最大肺活量730,回歸系數(shù)（95%可信區(qū)間）p值/比值比/危險度比（95%可信區(qū)間）p