logit回归模型的参数估计过程_SAS系列38：Logistic回归的交互效应（一）

导读          最近阅读了一本《Logistic回归中的交互效应》的书，觉得有必要讲一讲Logistic回归的交互效应。上一期介绍了Logistic回归分析的SAS实现，今天我们继续介绍Logistic回归的交互效应。

五、Logistic回归模型的交互效应

  

(一)交互效应的定义    

      在多元统计分析中，交互效应是指某因素的作用随其他因素水平的不同而不同，两因素同时存在时的作用不等于两因素单独作用之和或之积。将交互效应置于因变量、自变量和调节变量的框架中进行讨论是应用比较广泛的一种方法，这种方法有利于理解交互项参数的意义。其中，因变量受自变量的影响，当自变量对因变量的影响因调节变量的取值不同而不同时，说明存在交互效应。例如，社会阶层对就医行为的影响在不同的族群中不一样，在这个例子中，社会阶层是自变量，就医行为是因变量，族群就是调节变量。     因此，在应用调节变量的框架分析交互效应时，需要有清晰的理论假设来界定关键自变量、调节变量。一般情况下，研究在提出研究问题时，通常会假设某个自变量可能会受其他调节变量的影响。例如，有研究者研究吸烟饮酒对胃癌患病率的影响，此时，是否饮酒是关键自变量，是否吸烟是调节变量。模型中调节变量的确定也会因研究目的的不同而不同。       目前多采用在Logistic回归方程中纳入因素乘积项的方法进行分析交互效应。式1是一个含有两个连续自变量的Logistic回归模型(不含交互项)： 假设本研究中存在交互效应，即关键自变量X对结果变量的影响因调节变量Z取值的不同而不同。为了表示这种关系，可以将β1写成一个关于Z的线性函数：