相加交互作用(logistic回归)的可视化：基于R

很久之前写了一篇题目为二元logistic模型中分类自变量的相加交互作用：基于R，其中提到了相加交互作用：通过epiR程序包可以得到判断相加交互作用的相对超危险度比（RERI）、归因比（AP）和交互作用指数（SI）。最近看到很多朋友在问二元logistic回归中二分类变量间相加交互作用的可视化，即如下图这样。

通常我们可以通过Anderson等人编制的Excel来绘制这张图，今天用R语言来实现这一过程。所用的自定义函数来自参考文献（许敏锐, 强德仁, 周义红,等. 应用R软件进行logistic回归模型的交互作用分析[J]. 中国卫生统计, 2017, 034(004):670-672,675.），我在图片的颜色上做了一个小的调整，让输出的图片为彩色图。

1.读入数据

##加载数据

library(openxlsx)

inter<-read.xlsx("data.xlsx",sheet =1)

2.构建自定义函数

这个是最主要的部分，每一步都有注释。有兴趣的可以慢慢的梳理一下这一段。其中“构建交互作用的 OR 值矩阵”这部分的A和B，是简单代指，大家作图时要根据自己数据的变量名进行命名。另外，这段自定义函数也同时给出了RERI、AP和SI。这段代码以图片展示，文字版的显示会很乱。

3.设置哑变量

设置哑变量时，大家也要根据自己的变量名称来修改A和B,或者以其他的方式命名。

## 设置哑变量

inter$A_B<-ifelse(inter$A=='0'&inter$B =='0','A0B0',

                 ifelse(inter$A =='0'&inter$B== '1','A0B1',

                        ifelse(inter$A=='1'&inter$B=='0','A1B0','A1B1')))

4.构建模型，并给出结果和图片

##以A_B构建 logistic 回归模型( 注意: 模型中 A_B 变量在前，调整变量在后)

Iglm <- glm (Disease~A_B,family = binomial,data = inter)

##输出结果和图

interact (Iglm)

从输出的结果我们可以看到与之前的那篇帖子得到的结果基本一致，有兴趣的也可以用Anderson的excel验证一下。尊重数据，助力科研，我们在路上！