交互作用分析

1、交互作用分析一、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ALH对收缩压SBP的影响为例,可以建立以下二个模 型:模型 1: SBP =卩 o+3 2' SMK模型 2: SBP =卩 o+ 卩 iALH+ 卩 2SMK假设从模型1估计的SMK的作用为卩2',从模型2估计的SMK的作用为卩2.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：1. 吸烟与血压无关,但由于饮酒的原因,模型1中的卩2'会显著,而模型2限制了

2、 ALH 的作用后,SMK的作用卩2将不显著.2. 吸烟与血压有关,模型1中估计的SMK的作用卩2'一局部归功于饮酒,模型2估计 的卩2是限制了 ALH的作用后SMK的作用,因此卩2不等于卩2.是不是卩2不等于卩2'就意味着有交互作用呢？不是的,这 只是意味着卩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:不饮酒饮酒不吸烟卩03 o+ 3 1吸烟卩 0+ 3 23 0+ 3 1+ 3 2+ 3 12吸烟与饮酒对SBP的影响,有无交互作用反映在 卩12上,检验卩12是否等于零就是检验 吸烟与饮酒对SBP的影响

3、有无交互作用.而上面的模型2是假设卩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Io|0+ Ia吸烟lo+ls|0+Ia+Is+IsaII、相乘模型:不饮酒饮酒不吸烟1°Io*A吸烟l°*SIo*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

4、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),二是比拟两个回归模 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) = 3 0+ 卩 1ALH+ 卩 2SMK+ 卩 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,

5、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,那么方程为：方程 2: F (Y) =3 0+ 3 1ALH+ 3 2SMK如果方程1和方程2得到的似然数没有显著差异,说明3 12是多余的,或者说3 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 分析根底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,饮酒的作用是卩1,在吸烟组中饮酒的作用是卩1+卩12,如卩12=0那么表示饮酒的作用在

6、吸烟组与不吸烟组都一样. 分析交互作用主要答复的问题是：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 .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系统将自动检测结局变量 的类型如两分类变量、连续变量,再自动默认选择适宜 的回归模型如 Logistic 回归或线性回归模型.用户可以对 分布类型和联系函数自 行定义.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.如果危险因素是分类型变量,系统将：1. 列出危险因素与效应修饰因子的每种

7、 层级组合联合亚组,如危险因素分 3 组,效应修饰因子分 2 组,联合亚组就有 6组.2. 如果结果是一个连续性的变量,统计 每个联合亚组内结果变量的均数与标准差；如果结果是一个二分类的变量,统计频数百分数 .3. 运行两种回归模型： A 和 B? 模型 A 按联合亚组生成指示变量,放入模型 中如有 6 个联合亚组,把一组作 为参照组,放 入 5 个指示变量于模型中；? 模型 B 不考虑危险因素与效应修饰因子的联 合,分别产生指示变量放入模型中, 如危险因素分 3组,把一组作为参照,放入 2 个指示变量于模型中,效应修饰 因子 分 2 组,一组为参照,放入一个指示变量于模型中,共 3 个指示变

8、量.然后进行似然比检验比拟模型 A与模型B,报告P值,即交互作用的P值.如果危险因素是连续性变 量,系统将：1. 运行两种回归模型： A 和 B.? 模型 A 按效应修饰因子的每个层级产生危险 因素参数.如效应修饰因子为 SMK 分2组吸烟与不吸烟,危险因素为BMI 体重指数,产生2个BMI BMI1 与 BMI2 ,当 SMK=0 不吸烟时, BMI1=BMI , BMI2=0 ；当 SMK=1 吸烟 时, BMI2=BMI , BMI1=0 .把 BMI1 与 BMI2 同时放入模型中.? 模型 B 只有一个危险因素参数.然后进行似然比检验比拟模 A与模型B,报告P值,即交互作用的P值.系

9、统将自动检测结局变量 的类型如两分类变量、连续变量,再自动默认选择适宜 的回归模型如 Logistic 回归或线性回归模型.用户可以对 分布类型和联系函数自 行定义.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.例 1 ：输出结果：交互作用检验吸烟->N否是合计交互作用 的 P值性别=男一秒肺活366-0.05 (-0.06,-0.06 (-0.07,-0.06 (-0.07,0.039量-0.04) <0.001-0.05) <0.001-0.05) <0.001最大肺活366-0.04 (-0.05,-0.05 (-0.06,-0.05 (-0

10、.05,0.029量-0.02) <0.001-0.04) <0.001-0.04) <0.001性别=女一秒肺活364-0.03 (-0.04,-0.03 (-0.05,-0.03 (-0.04,0.608量-0.02) <0.0010.00) 0.030-0.02) <0.001最大肺活364-0.03 (-0.04,-0.03 (-0.05,-0.03 (-0.04,0.854量-0.02) <0.001-0.01) 0.009-0.02) <0.001合计一秒肺活730-0.04 (-0.04,-0.06 (-0.07,-0.05 (-0.05

11、,<0.001量-0.03) <0.001-0.05) <0.001-0.04) <0.001最大肺活730-0.03 (-0.04,-0.05 (-0.06,-0.04 (-0.04,<0.001量-0.02) <0.001-0.04) <0.001-0.03) <0.001回归系数95%可信区间p值/比值比/危险度比95%可信区间p值结局变量：一秒肺活量 和最大肺活量危险因素：年龄分层变量:性别模型I:调整变量：文化程度,饮酒,职业和被动吸烟分组合计后的分析也调整了：性别交互作用 的P值由对数似然比检验比拟两个相嵌模型得出于2021-05-0

12、8使用?易侕统计?软件和R软件生成.例2：交互作用分析L标题:交互作用检验in迭释结果輩里m变重分布联系函数收施,莹米汞柱GaussianIdentity咅瑯曲毫米汞柱GaussianIdentityiv选择危脸因養I.XJ:吐选择做应修怖国子分婪变里:变星吸咽V.设计回归7 槿型一；欖型选择输出内容与格式清确到小数臣:如用GEE:炳部相关菜型设曲选择列行分层变里:p 057X1) Pvalus/OR 阳Q) PvalueD1输出结果:交互作用检验吸烟SNP1样本量均数+标准差|叵归系数95%可信区间p值交互作用F值收缩压,毫米汞柱否AA| 311 1126.3 + 20.9o0. 447否A

13、B158132.1 + 23. 4703.2, 10.8<0.001否B B15137. 7 + 13. 412.01.9, 22.10. 0201 iAA194129. 5 + 23.1-6.9-11.3, -2.40. 003r 是AB109137. 6 + 24. 64.0-1.0, 9.10.1161 ®B B23140. 3 + 21. 56.8-1.9, 15.50.127舒张压,毫米汞柱AA31168.5 十 10.100. 330否AB15869.4 十 12. 214-0.7, 3.40. 201否B B1570. 8 -b 7. 22.3-3.2, 7.90. 415