手机版 下载桌面 设为首页

SPSS:交互作用指数及其计算

  在研究数据的分析过程中,我们经常会遇到交互作用的问题,而且这是一个不太好解释和描述的问题。本文就跟大家一起来讨论一下Rothman K.J.等人提出的用来描述交互作用的指标及其计算。Rothman K.J.是《Modern Epidemiology》一书的主编,该书在流行病学领域地位非凡。

  当两个或多个因素同时作用于一个结局时,就可能产生交互作用,又称为效应修饰作用(effect modification)。当两个因素同时存在时,所导致的效应(A)不等于它们单独效应相加(B+C)时,则称因素之间存在交互作用。当A=B+C时称不存在交互效应;当A>B+C时称存在正交互作用,又称协同作用(Synergy);当A

Rothman等人在1972发表文章讨论吸烟与饮酒联合暴露对口腔癌的效应,其文章主要数据如下:

  Rothman等人提出的基于相加模型的交互作用指标有:

  1、交互作用指数(the synergyindex, S):S = (A-1)/[(B-1)+(C-1)],当S = 1时,说明吸烟饮酒联合效应等于各自单独效应之和,故无交互;当S > 1时,说明正交互;当S < 1时,说明负交互。

  2、交互作用归因比(attributableproportion of interaction, API):API = [A-(B+C)+1]/A,体现的是总效应中吸烟和饮酒交互作用效应所占的比例。

  3、纯交互作用归因因比:API’=[A-(B+C)+1]/(A-1),跟API的差别是分母多减去个1,体现的是吸烟和饮酒引起的效应中,两者交互效应所占的比例。

  4、交互作用超额相对危险度(relativeexcess risk of interaction, RERI):RERI = A-(B+C)+1,体现的是吸烟与饮酒联合作用与单独作用之和的差值。

  对于上述交互作用指标的计算有多种方法,包括直接计算法和回归模型估计法。直接法就是手工直接计算,根据上述公式计算,S指数=(9.04-1)/(2.96+3.33-2)=1.87。回归模型法则是将数据放入回归模型进行计算,本文列举如下:

  1、回归模型法a

  将上述数据整理成如下格式:

  在SPSS中用case进行加权,然后以cancer为因变量,以smoking、alcohol和smoking*alcohol为自变量计算逻辑回归结果如下:

  此时S指数=[exp(1.086+1.204-0.089)-1]/[exp(1.086)+exp(1.204)-2]=1.87。

  其他指数类似。

  2、回归模型法b

  将上述数据整理成如下格式,也就是设置哑变量的形式,包括四类不饮酒不吸烟,饮酒不吸烟:不饮酒吸烟和饮酒吸烟,以不饮酒不吸烟为参照。

  在SPSS中用count进行加权,然后以Y为因变量,以AL、SM和ADD为自变量计算逻辑回归,同时保存协方差阵,结果如下:

  此时S指数=[exp(2.201)-1]/[exp(1.086)+exp(1.204)-2]=1.87。

  其他指数类似。

  同样可对上述指标进行可信区间的估计,估算过程需要使用上述我们保存出来的协方差矩阵,具体算法请参阅参考文献中Hosmer, 向惠云等人的文章。

分类标签:SPSS  交互作用  

      [1] Hosmer D W,Lemeshow S. Confidence interval estimation of interaction [J]. Epidemiology, 1992,3(5):452-456.
      [2] 王培桦,沈洪兵,陈峰,等. 叉生分析在基因-环境交互作用研究中的应用与意义[J]. 中华流行病学杂志,2005(01):57-60.
      [3] 向惠云,余松林,孙奕,等. 疾病资料多元分析中交互作用指标及可信区间的估计[J]. 中国卫生统计,1999,16(3):130-132.

声明:本文转载仅出于学习和传播信息所需,并不意味着代表本站观点或证实其内容的真实性;其他网站或个人转载使用须保留本站所注“来源”,并自负相关法律责任;如作者不希望被转载或其他事宜,请及时联系我们!