交互作用解析計(jì)劃

1、交互作用分析計(jì)劃交互作用分析計(jì)劃5/5交互作用分析計(jì)劃一、交互作用的見解簡(jiǎn)單地說，交互作用指當(dāng)兩個(gè)要素都存在時(shí)，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。混淆作用以抽煙（SMK）和喝酒（ALH）對(duì)縮短壓（SBP）的影響為例，能夠成立以下二個(gè)模型：模型1：SBP=0+2SMK模型2：SBP=0+1ALH+2SMK假定從模型1預(yù)計(jì)的SMK的作用為2，從模型2預(yù)計(jì)的SMK的作用為2。如抽煙與喝酒相關(guān)（假定抽煙者也多喝酒），并且喝酒與血壓相關(guān)，這時(shí)能夠設(shè)想兩種可能：1.制了抽煙與血壓沒關(guān)，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(huì)明顯，而模型2控2.2預(yù)計(jì)的抽煙與血壓相關(guān)，模型2是控制了ALH的作用后1中預(yù)計(jì)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(duì)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(duì)SBP的影響,有無交互作用反應(yīng)在12上，查驗(yàn)12能否等于零就是查驗(yàn)抽煙與喝酒對(duì)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(jiǎn)單，但需要意識(shí)到的是交互作用的談?wù)撆c作用的丈量方

3、法相關(guān)。以高血壓發(fā)病率為例，看抽煙與喝酒對(duì)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(yàn)Isa能否等于零，相乘模型查驗(yàn)B能否等于1，能夠想象Isa等于零時(shí)B不用然等于1，所以會(huì)出現(xiàn)按不同樣的模型查驗(yàn)得出的結(jié)論不同樣。在報(bào)告交互作用查驗(yàn)結(jié)果時(shí)，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(yīng)應(yīng)變量的變化，是相加模型，而Logistic回歸的回歸系數(shù)反應(yīng)比值比的變化，屬相乘模型。二、交互作用的查驗(yàn)交互作用查驗(yàn)有兩種方法，一是對(duì)交互作用項(xiàng)回歸系數(shù)的

4、查驗(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)沒有交互作用項(xiàng)，用似然比查驗(yàn)。本系統(tǒng)采納似然比查驗(yàn)（Loglikelihoodratiotest）方法。如以抽煙與喝酒兩個(gè)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(jì)算該方程似然數(shù)（likelihood），似然數(shù)表示按得出的模型抽樣，獲取所察看的樣本的概率。它是一個(gè)很小的數(shù)，所以一般取對(duì)數(shù)表示，即Loglikelihood，似然數(shù)能夠簡(jiǎn)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(duì)f（Y）無交互作用。反之，抽煙與喝酒對(duì)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(chǔ)上對(duì)分層變量的不同樣層級(jí)水平上，危險(xiǎn)要素對(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)查驗(yàn)。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(jié)果變量（Y）的關(guān)系”？有沒有效應(yīng)修飾因子？參看流行病學(xué)假定檢驗(yàn)的思路。發(fā)現(xiàn)效應(yīng)修飾因子對(duì)助于我們進(jìn)一步理解危陡峭素對(duì)結(jié)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(yīng)修飾因子限于分種類變量。系統(tǒng)將自動(dòng)檢測(cè)結(jié)局變量的種類（如兩分類變量、連續(xù)變量），再自動(dòng)默認(rèn)選擇適合的回歸模型（如Logistic回歸或線性回歸模型）。用戶能夠?qū)ι⒉挤N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(bào)告的結(jié)果、隊(duì)列編排、小數(shù)點(diǎn)地點(diǎn)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(yīng)修飾因子的每種層級(jí)組合（結(jié)合亞組），如危陡峭素分3組，效應(yīng)修飾因子分2組，結(jié)合亞組就有6組。2.假如結(jié)果是一個(gè)連續(xù)性的變量，統(tǒng)計(jì)每個(gè)結(jié)合亞組內(nèi)結(jié)果變量的均數(shù)與標(biāo)準(zhǔn)差；假如結(jié)果是一個(gè)二分類的變量，統(tǒng)計(jì)頻數(shù)(百分?jǐn)?shù)

7、)。3.運(yùn)轉(zhuǎn)兩種回歸模型：A和B模型A按結(jié)合亞組生成指示變量，放入模型中（若有6個(gè)結(jié)合亞組，把一組作為參照組，放入5個(gè)指示變量于模型中）；模型B不考慮危陡峭素與效應(yīng)修飾因子的聯(lián)合，分別產(chǎn)生指示變量放入模型中，如危陡峭素分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。此后進(jìn)行似然比查驗(yàn)比較模型A與模型B，報(bào)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(yùn)轉(zhuǎn)兩種回歸模型：A和B。模型A按效應(yīng)修飾因子的每個(gè)層級(jí)產(chǎn)生危陡峭素參數(shù)。如效應(yīng)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(gè)BMI（BMI1與BMI2），當(dāng)SMK=0（不抽煙）時(shí)，BMI1=BMI，BMI2=0；當(dāng)SMK=1(抽煙)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)危陡峭素參數(shù)。此后進(jìn)行似然比查驗(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)結(jié)局變量的種類（如兩分類變量、連續(xù)變量），再自動(dòng)默認(rèn)選擇適合的回歸模型（如Logistic回歸或線性回歸模型）。用戶能夠?qū)ι⒉挤N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(bào)告的結(jié)果、隊(duì)列編排、小數(shù)點(diǎn)地點(diǎn)等。例1：輸出結(jié)果：交互作用查驗(yàn)抽煙-N否是共計(jì)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(jì)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(xiǎn)度比（95%可信區(qū)間）p