Eur J Epidemiol. 2005;20(7):575-9.

如图，U表是未暴露，纵坐标表示风险，第二和第三根柱子分别是单独暴露于基因突变和吸烟时的风险，第四根柱子就是同时暴露于两因素时，风险竟然比叠加要高这么多。

如果想要通过logistic回归找到有统计学意义的危险因素，再检测它们在相加尺度上的交互作用，就需要经过一些变换。

需要计算的统计量

要知道两因素在相加尺度上是否发生了交互作用，就需要知道三个值：

交互作用相对超额危险度（Relative Excess Risk of Interaction，RERI）

归因比（Attributable Proportion，AP）

协同指数（Synergy Index，S）

如果没有发生交互作用，那么RERI和AP等于0，S等于1。更准确地说，是RERI和AP的置信区间包含0，S的置信区间包含1。反之则可认为发生了交互作用。

计算这三个值在不同的软件中有不同的方法，我当然还是要介绍最简便的R。

就用一份模拟的数据来演示吧：

Group是疾病分组，1为病例组，0为对照组；A因素，1为暴露，0为不暴露；B同理。可见按照暴露情况，可以把人群分为4类，即A0B0，A1B0，A0B1，A1B1。就是要比较这四类人与疾病风险的关系。

## 先从File→Import Dataset导入数据（本例中命名为Data），然后

library(Matrix)

library(survival)

library(epiR)

setwd('D://Interaction')

# 载入需要用到的包，设置工作路径

## 构造虚拟变量Dum，把两个因素整合成上面说的那四类

Data$Dum