壹、研究對象基本資料
從表 4.1 的結果顯示，本實驗的病人主要為 16 歲到 40 歲，男女比 約為11:9，平均病程為 93 個月，69.7%病人家中父母、祖父母、兄弟姊 妹至少有一個過敏患者。陰虛、陽虛、氣虛、血虛的Cronbach’s α 分別 為0.70；0.64；0.77；0.76。
表4.1 病人單變項基本資料
表4.1：續
打噴嚏(0-3) 119(100%) 1.9 + 0.82 流鼻水(0-3) 119(100%) 2.11 + 0.08 鼻癢(0-3) 119(100%) 1.5 + 0.89 眼睛癢(0-3) 119(100%) 1.33 + 0.98
症狀總分 119(100%) 8.87 + 3.11
體質分數
陰虛 (0-21) 119(100%) 6.27 + 3.55 陽虛(0-18) 119(100%) 5.35 + 3.18 氣虛(0-21) 119(100%) 7.35 + 4.08 血虛(0-24) 119(100%) 8.06 + 3.27
陰陽之差 119(100%) 0.92 + 3.67
氣血之和 119(100%) 15.41 + 7.84 發炎指標
IgE 117(98.3%) 410.60 + 673.2 kU/l Log(IgE) 117(98.3%) 2.253 + 0.559 kU/l ECP 116(97.4%) 18.58 + 20.69 pg/ml Eos 109(91.6%) 284.9 + 208.8 /mm3 雙側MCA2 平均 116(97.4%) 0.435 + 0.159 cm2
貳、症狀總分與各項變數特性之分析
一、症狀總分與各項變數的散佈圖
首先先觀察症狀總分分數對陰虛分數、陽虛分數、氣虛分數、
血虛分數、IgE、log(IgE)、eosinophil、ECP、MCA2、年齡、病程的 散佈圖(scatter plot)，如圖 4.1 至圖 4.11
25.00
30.00
7000.00
1200.00
1.000
500 400
300 200
100 0
病程
16
14
12
10
8
6
4
2
TSS
圖 4.11 症狀總分分數對病程散佈圖
從 scatter plot 來看，大致上沒有很明顯的非線性相關，因此接 下來可以用Spearman correlation 來量化症狀總分和各變項的相關程 度，但是IgE 有一個高達 6310 的極端值，所以將 IgE 取對數，以增 加資料集中趨勢，如圖4.6，經調整後，log(IgE)對症狀總分的 scatter plot 已經無明顯極端值。
二、臨床症狀與各項變數相關性
從表 4.2 的相關係數來看，鼻塞、鼻癢、眼癢與陰虛、氣虛、血 虛有正相關；打噴嚏、流鼻水與陰虛有正相關。和症狀總分有統計 相關的變項有性別、病程、氣喘史、陰虛、氣虛、血虛；且陰虛、
氣虛、血虛等中醫指標與症狀總分的相關係數，明顯高於其他變項，
在探討多變量時，將優先考慮進入迴歸模型。
若從鼻截面積與發炎指標的角度來說，MCA2 與鼻塞、症狀總 分並無顯著相關。而發炎指標裡，只有IgE 與打噴嚏；ECP 與流鼻 水呈現弱的相關性（p＜0.1），且 IgE、ECP、eosinophil 皆與症狀總 分無顯著相關性。
參、同時結合多變數與症狀總分相關性
一、陰陽氣血個別因子與症狀總分相關性
以症狀總分為依變項，陰陽氣血虛值分別為自變項，單獨進入 迴歸模型，如表 4.3，結果發現陰虛、氣虛、血虛單獨都可顯著的解 釋症狀總分。
表4.3 陰陽氣血個別單因子迴歸
依變項：症狀總分
變項 迴歸係數 迴歸係數標
準誤
t值 迴歸係數95%
信賴區間 陰虛 0.307*** 0.076 4.054 ( 0.157,0.457)
表4.3：續
陽虛 0.059 0.090 0.662 (-0.119,0.238) 氣虛 0.191*** 0.068 2.809 ( 0.056,0.326) 血虛 0.223*** 0.064 3.485 ( 0.096,0.349) 註：***表示 p＜0.001
二、陰陽氣血多因子與症狀總分相關性
以症狀總分為依變項，陰陽氣血為自變項，同時進入迴歸模型，
如表4.4，結果發現只有陰虛能顯著解釋症狀總分，而原本單因子能 顯著解釋症狀總分的氣虛、血虛則變為不顯著，再加上血虛的變方 膨脹因子(variance inflation factor:VIF)>4，代表陰陽氣血可能有共線 性的問題。
表4.4 陰陽氣血多因子迴歸
依變項：症狀總分
變項 迴歸係數 迴歸係數 標準誤
t值 迴歸係數 95%信賴區 間
VIF
陰虛 0.248** 0.122 2.034 ( 0.007,0.489) 2.579 陽虛 - 0.154 0.103 - 1.494 (-0.358,0.050) 1.480 氣虛 0.070 0.104 0.678 (-0.136,0.277) 2.247 血虛 0.072 0.128 0.564 (-0.181,0.325) 4.114 註：**表示 p＜0.05
三、陰陽氣血的衍生變項
解決共線性的方法，主要有減少自變項、主成分分析、創造衍 生變項等方法，因為陰陽氣血是中醫體質結構中最基本的單位，若 僅以陰虛去解釋症狀總分而忽略陽氣血的影響，並不適當。若採用 主成分分析法來進行探索，雖然能避免共線性的問題，然而經主成 分分析法粹取出來解釋症狀總分的主成分，可能不一定有其臨床上 的意義。因此，在此採用衍生新變項的方法，希望能找出保存陰陽 氣血完整資訊，在中醫上可以被合理解釋，又可減少共線性的衍生 變項。經過嘗試後，找出了陰虛減陽虛（陰陽之差）、氣虛加血虛（氣 血之和）這兩個衍生變項，既可同時顯著的解釋症狀總分，又保有 陰陽氣血完整的資訊，如表4.5。
表4.5 陰陽氣血衍生變項
依變項：症狀總分 變項 迴歸係數 迴歸係數
標準誤
t值 迴歸係數95%信 賴區間
VIF
陰陽之差 0.197*** 0.075 2.641 (0.049,0.345) 1.050 氣血之和 0.098*** 0.035 2.808 (0.029,0.167) 1.050 註：***表示 p＜0.001
四、模型建立之一(中醫指標、基本資料)
當中醫指標進入模型後，下一個考慮的自變項為性別、病程、
和年齡，因為性別、病程在spearman correlation 就有統計顯著，所 以放入模型，而年齡雖然和症狀總分無顯著相關，但年齡是一個重 要的人口學因子，許多疾病和年齡有密切的關係，因此選擇把年齡 放入模型，主要是當做控制干擾因子的作用。基本資料裡面，氣喘 史和症狀總分在相關係數有統計相關，但因有氣喘史的病人只有 11 個，也許會有抽樣上的誤差，故在此選擇不放入模型內，以這五個 自變項來預測，結果如表4.6。
表4.6 模型建立(中醫指標、基本資料) 依變項：症狀總分 變項 迴歸係數 迴歸係數
標準誤
t值 迴歸係數95%
信賴區間
VIF
陰陽之差 0.240** 0.076 3.144 ( 0.089, 0.391) 1.132 氣血之和 0.070* 0.036 1.946 (-0.001,0.142) 1.167 性別 1.110* 0.563 1.971 (-0.006,2.225) 1.143 年齡 - 0.002 0.023 -0.104 (-0.047,0.042) 1.199 病程 0.006* 0.004 1.694 (-0.001,0.014) 1.210 註：* 表示 p＜0.1 **表示 p＜0.05
五、模型建立之二(中醫指標、基本資料、西醫指標)
接著考慮增加發炎指標與鼻截面積進入模型，雖然三個發炎指 標IgE、Eos、ECP 在雙變項裡和症狀總分並無統計相關，但是 ECP 和流鼻水，IgE 和打噴嚏都有弱相關(p＜0.1)，故考慮放入模型，模
表4.7：續
性別、病程、log(IgE)、ECP 對模型的貢獻度則大致相等。
表4.8 最後模型
七、模型解釋能力
將七個自變項分成三大類，以階層模式(hierarchical model)來表 示，發現對症狀總分的解釋能力大小順序為中醫指標＞西醫發炎指 標＞基本資料，總解釋能力26.1%。
表4.9 自變項階層解釋能力
Variable R square change Total R square
中醫指標 0.131 0.131
基本資料 0.047 0.184
發炎指標 0.081 0.261
八、模型診斷
(一) 殘差常態檢定
症狀總分經自變項解釋過後的殘差(在此選用摺刀法殘差：
Jackknife residual)應符合常態分布，從圖 4.12 之盒型圖(box plot) 和圖4.13 之分布圖（histogram）來看，Jackknife residual 大體上 符合常態分布，且經Kolmogorov-Smimov 檢定後，p 值為 0.2，
大於0.05，符合殘差屬於常態分布的假設前提。
jacknife_residuals
圖 4.12 症狀總分經模型解釋後之jackknife residual box plot
4.00000
Mean = -0.0016453 Std. Dev. = 1.01343469 N = 114
圖 4.13 症狀總分經模型解釋後之jackknife residual histogram
(二) 殘差相同獨立分配檢定
殘差除了呈常態分布外，還要是 independently and identically distributed (IID)，以 jacknife residual 對症狀總分的預測值做散佈 圖，如圖4.14，發現殘差的分布尚屬隨機，代表此模型也符合 IID 的假設前提。
12.00000 10.00000
8.00000 6.00000
Unstandardized Predicted Value
4.00000
2.00000
0.00000
-2.00000
-4.00000
jacknife_residuals
圖 4.14 jackknife residual 對症狀總分預測值散佈圖
(三) 極端值影響：
所有的觀測值，其Cook's Distance 都小於 1，最大的 Cook's Distance 為 0.126，所有的標準化殘差都小於 3，代表觀察值中，
沒有明顯的極端值。
(四) 共線性：
此迴歸方程式的最大的條件指標(condition index)為
20.388，遠小於 30，且由表 4.8，可以知道所有的變方膨脹因子 (variance inflation factor：VIF)都＜4，因此得知最後的線性 迴 歸模型並無明顯共線性。
肆 個別症狀的羅吉斯迴歸模式
將過敏性鼻炎五大症狀依嚴重度重新歸類，以有無造成生活上 的干擾分兩類，有干擾(原症狀分數 ＝ 2，3)者歸類成 1，沒干擾者 (原症狀分數 ＝ 0，1)歸類成 0，分別當依變項，再以線性迴歸所找 出有意義的因子當自變項，使用羅吉斯迴歸分析，經多變量調整後，
發現氣血之和能顯著惡化鼻塞嚴重度；Log(IgE)、陰陽之差顯著增 加打噴嚏嚴重度；陰陽之差顯著增加流鼻水與鼻癢嚴重度；陰陽之 差、病程顯著增加眼癢嚴重度。
表十二 羅吉斯迴歸模型
依變項:五大症狀
鼻塞 打噴嚏 流鼻水 鼻癢 眼癢
OR 95%CI OR 95%CI OR 95%CI OR 95%CI OR 95%CI
年齡 1.012 0.976 - 1.051 1.019 0.976 - 1.054 1.003 0.965 - 1.042 1.004 0.970 - 1.039 0.994 0.957 - 1.033
性別(女) 1.350 0.541 - 3.367 1.662 0.655 - 4.214 1.663 0.630 - 4.390 1.597 0.694 - 3.673 1.930 0.802 - 4.645
病程 1.001 0.995 - 1.007 1.005 0.998 - 1.012 1.007 0.999 - 1.014 1.000 0.994 - 1.006 1.009*** 1.002 - 1.015
Log(IgE) 0.095 0.432 - 2.086 3.078*** 1.335 - 7.099 1.899 0.825 - 4.372 1.349 0.653 - 2.789 1.305 0.604 - 2.817
ECP 1.015 0.989 - 1.041 1.018 0.990 - 1.047 1.022 0.989 - 1.055 1.007 0.986 - 1.027 1.015 0.993 - 1.037
陰陽之差 0.969 0.855 - 1.100 1.115* 0.987 - 1.259 1.142* 1.004 - 1.299 1.128** 1.004 - 1.268 1.144** 1.010 - 1.294
氣血之和 1.067** 1.003 - 1.136 1.013 0.955 - 1.074 1.010 0.949 - 1.074 1.043 0.988 - 1.102 1.047 0.990 - 1.108
註：* 表示 p＜0.1 **表示 p＜0.05 ***表示 p＜0.001
39