Zstats风暴统计教程（14）：阈值效应分析

阈值效应分析和RCS曲线都是研究非线性关系的方法。大家在绘制RCS过程中，最关心的问题就是：图上的"拐点"怎么计算？

其实RCS曲线并不能计算拐点，曲线中看似起到转折作用的点，只是分位数点，不具有参考价值，RCS曲线从P for nonlinear值来判断非线性关系就够了。

那一些文章图像中给出参考线，还有回归效应值的结果是如何得出的呢？

没错！这就是阈值效应分析的结果！

阈值效应简单来说，就是当自变量超过某一点后，对因变量作用的大小发生变化的现象。通过阈值效应分析，我们可找到明显影响变量间相关性的重要拐点（inflection point），还可深入探索拐点前后，自变量和因变量间是否还存在相关性。

下面我们就详细介绍下风暴统计平台，阈值效应分析模块的使用步骤。

01  阈值效应分析实操流程

首先，根据我们的研究需要，选入我们的结局变量、暴露变量、协变量。

• 结局变量支持二分类、定量连续、生存资料

• 暴露变量必须是连续型变量

• 研究所需的协变量，非必选项

这时候平台就会给出我们本次阈值分析的结果，包括阈值分析三线表结果、方法与结果描述、阈值分析绘图。

如果想对曲线图进行细节调整，平台还提供了许多参数，大家可以多进行尝试。

02  结果解读

操作过程是很简单的，这里再重点介绍下结果如何进行解读，主要是三线表的结果。

• Model1：也就是普通的回归分析，P值小于0.05，表明暴露与结局之间存在显著的正相关关系。

• Model2：两段式回归，拐点为4.04。当炎症指数＜4.044时，P值小于0.05；当炎症指数≥4.04时，P值大于0.05；说明拐点以下，炎症指数与生存结局存在显著的正相关关系（效应值>1），而拐点以上，炎症指数与生存结局间的关系不显著。

• P for likelihood test：似然比检验，P值大于0.05，表明Model1与Model2相比，没有显著改善。

以上结果其实我们最关注的是拐点值与似然比检验P值。这个P值决定了暴露与结局之间是否存在非线性关系，以及两段式回归是否更优于普通回归。

以上就是关于风暴统计平台阈值效应分析模块的详细教程。

下篇预告：Zstats风暴统计教程（15）：中介分析