以logistic_step.sav數(shù)據(jù)集(下載鏈接躏精，提取碼：gmqb)為例酣难，其中變量解釋如下：
以low為因變量，smoke和ht為自變量；研究smoke和ht對low作用的交互作用驻襟。
方法一 使用SPSS聯(lián)合EXCEL計算相加效應(yīng)指標
1. 先使用SPSS對low~smoke+ht+smoke:low進行l(wèi)ogistics回歸。
結(jié)果如下：
可以得到：①smoke*ht的相乘交互作用無統(tǒng)計學差異（p = 0.605）;②smoke芋哭、ht和smoke:ht對應(yīng)的回歸系數(shù)(Regr. coefficients)分別為0.758沉衣、1.488和-0.640。從而可知β10=0.758减牺，β01=1.488豌习，β11=0.758+1.488+(-0.640)=1.606。
2. 編輯和運行SPSS語句
?????? 鍵入如下語句(下載鏈接拔疚，提取碼：x1nk)肥隆，并運行。
?????? 得到協(xié)方差矩陣：
3. 使用Andersson等編制的EXCEL計算工具(下載鏈接稚失，提取碼：oz5y)栋艳。
將β10=0.758，β01=1.488句各，β11=1.606和協(xié)方差矩陣中紅框中數(shù)字填入EXCEL表格中相應(yīng)位置吸占。如下，
可自動計算出ORsmoke凿宾、ORht矾屯、ORsmoke&ht及RERI、AP和S參數(shù)的點估計值及其可信區(qū)間初厚。如下件蚕，
方法二 使用R函數(shù)計算相加效應(yīng)指標
語法如下：
library(haven) #加載haven包#
mydata <-?read_sav('logistic_step.sav') #使用read_sav函數(shù)讀入文件#
View(mydata)
fit <-?glm(low~smoke*ht, family = binomial(), data = mydata) #使用glm函數(shù)構(gòu)建logistics回歸模型
summary(fit) #得到smoke、ht和smoke:ht對應(yīng)的回歸系數(shù)(Regr. coefficients)产禾，結(jié)果與SPSS計算的一致#
#讀入additive_interactions函數(shù)(下載鏈接骤坐，提取碼：d1xu)
additive_interactions(fit) #結(jié)果如下
