交互作用分析.docxVIP

一、交互作用的概念 简单地说，交互作用指当 两个因素都存在时，它们的作用大于（协同）或小于（拮抗） 各自作用的和。 要理解交互作用首先要区 别于混杂作用。 混杂作用 以吸烟（SMK和饮酒（ALHH对收缩压（SBP的影响为例，可以建立以下二个模 型: 模型 1: SBP = 3 0+B 2 SMK 模型 2: SBP = B0+B1ALH+B 2SMK 假设从模型1估计的SMK勺作用为3 2 ,从模型2估计的SMK勺作用为B 20如吸烟与饮 酒有关（假设吸烟者也 多饮酒），而且饮酒与血压有关，这时可以假想两种可能： 吸烟与血压无关，但因为饮酒的原因，模型 1中的§2,会显著，而模型2控 制了 ALH的作用后，SMK勺作用3 2将不显著。 吸烟与血压有关，模型1中估计的SMK勺作用”，一部分归功于饮酒，模型 2估计的B 2是控制了 ALH的作用后SMK勺作用，因此§2,不等于B 20 是不是B 2不等于3 2就意味着有交互作用呢？不是的， 这 只是意味着3 2中有饮酒的 混杂作用。 那么什么是交互作用呢？ 根据吸烟与饮酒将研究对象分成四组，各组SBP的均数可用下表表示： 不饮酒 饮酒 不吸烟 30 3。+ 31 吸烟 3 0+B 2 3叶 31+ B 2+ § 12 吸烟与饮酒对SBP的影响，有无交互作用反映在 h2上，检验B 12是否等于零就是检验吸 烟与饮酒对SBP的影响有无交互作用。而上面的模型 2是假设§12等于零所做的回归方 程。 交互作用的理解看上去很 简单，但需要意识到的是交互作用的评价与作用的测量方法 有关。以高血压发病率为例，看吸烟与饮酒对高血压发病率的影响就有两种情况。 I、相加模型： 不饮酒 饮酒 不吸烟 10 I o+ Ia | 吸烟 | I o+Is I o+Ia+Is+Isa II、相乘模型: 不饮酒 饮酒 不吸烟 I 0 10*A 吸烟 I0*S 10*S*A*B 相加模型检验Isa是否等于零，相乘模型检验 B是否等于1,可以想象Isa等于零时B 不一定等于1,因此会出现按不同的模型检验得出 的结论不同。在报告交互作用检验结 果时，要清楚所用的是什么模型。一般的线性回归的回归系数直接反映应变量的变化， 是相加模型，而Logistic回归的回归系数反映比值比的变化， 属相乘模型。 二、交互作用的检验 交互作用检验有两种方法，一是对交 互作用项回归系数的检验( Wald test ),二是比 较两个回归模 型，一个有交互作用项，另一个没有交互作用项，用似然比检验。本系 统采用 彳以然比检验 (Log likelihood ratio test ) 方法。 如以吸烟与饮酒两个两分类变量为 例，可以形成回归方程： 方程 1: F (Y) = B o+B 1ALH+B 2SMK43 12SMK*ALH 计算该方程似然数(likelihood )，似然数表示按得出的模型抽样， 获得所观察的样 本的概率。它是一个很小的数，因此一般取对数表示，即 Log likelihood ，似然数可以 简单地理解为拟合度。 如果我们假定吸烟与饮酒 无交互作用，3 12等于零，则方程为： 方程 2: F (Y) = Bo+BiALH+B 2SMK 如果方程1和方程2得到的似然数没有显著差别， 表明B 12是多余的，或者说B 12与零无 显著性差异，吸烟与饮酒对 f (Y)无交互作用。反之，吸烟与饮酒对 f (Y)有交互作 用。 三、交互作用分析 交互作用分析也可以理解为，在分层 分析基础上对分层变量的不同层级水平上，危险 因素对结果变量的作用的回归系数差异进行统计学检验。 如上表中可以看出，在不吸烟 组，饮酒的作用是B 1,在吸烟组中饮酒的作用是B 1+312,如312=0则表示饮酒的作用 在 吸烟组与不吸烟组都一样。 分析交互作用主要回答的问题是：有哪些因素影响危险因素 （X）与结果变量（Y）的关系”？有没有效应修饰因子？参看 流行病学假设检 发现效应修饰因子对助于我们进一步理解危险因素对结果变量的作用通路。 发现效应修饰因子对助于 我们进一步理解危险因素对结果变量的作用通路。 危险因素可以是连续性变 饰因子限于分类型变量。量，也可以是分类型变量。本系统多要分析的可能的效应修 危险因素可以是连续性变 饰因子限于分类型变量。 量，也可以是分类型变量。本系统多要分析的可能的效应修 系统将自动检测结局变量 的回归模型（如Logistic 行定义。 系统将自动检测结局变量 的回归模型（如Logistic 行定义。 的类型（如两分类变量、 回归或线性回归模型）。 连续变量），再自动默认选择合适 用户可以对 分布类型和联系函数自 用户可以定义表格输出格式，包括要报告的结果、行列编排、小数点位置等。 用户可以定义表格输出格 式，包括要报告的结