异构体分析参照液相色谱法测定。参与构造交互项的各组成部分对被解释变量的影响依赖于交互项中其他部分的取值。

 

　　蛋白类药物具有的翻译后修饰，如糖基化、N末端的焦谷氨酸化、C末端的赖氨酸截除、氧化、脱酰胺等，这些不同的翻译后修饰组合可使蛋白分子产生无数种电荷异构体。

 

　　另外，单抗在特定的条件下会发生降解、断裂，形成低分子量的片段。这些异构体对于蛋白药物的稳定性及生物学功能发挥具有重要影响，需要用合适的方法进行分析。

 

　　交互项和分组回归关系在比较关键变量在两个子群体的不同影响时，个人认为交乘项和分样本回归作用是一样的。这个一样建立在两个子群体的分布是一致的假设之下。如果子群体A和子群体B的分布不一样，那么用交乘项更合适。

 

　　交互项的加入，使得实证分析可以考察替代或互补效应，在分析两个解释变量的关系时运用交叉项就比较有优势。交互项回归是基于全样本，分组回归则可能会存在个别组别样本量过少的情况，从而导致根本无法估计或估计效率下降。

 

　　此外，就像上面说的，在有的时候，分组变量的选取是基于某个连续变量而非虚拟变量，因而如何对连续变量进行合适的划分以作为分组依据可能也是个问题等。

 

　　分组回归只能说明X对Y的影响在不同组别存在差异，但该差异是否具有统计显著性，还要借助于交互项检验调节效应。（即使做了分组也需要做交互项）一般建议优先考虑交互项回归，之后再尝试分组回归。