異構體分析參照液相色譜法測定。參與構造交互項的各組成部分對被解釋變量的影響依賴于交互項中其他部分的取值。

 

　　蛋白類藥物具有的翻譯后修飾，如糖基化、N末端的焦谷氨酸化、C末端的賴氨酸截除、氧化、脫酰胺等，這些不同的翻譯后修飾組合可使蛋白分子產生無數種電荷異構體。

 

　　另外，單抗在特定的條件下會發生降解、斷裂，形成低分子量的片段。這些異構體對于蛋白藥物的穩定性及生物學功能發揮具有重要影響，需要用合適的方法進行分析。

 

　　交互項和分組回歸關系在比較關鍵變量在兩個子群體的不同影響時，個人認為交乘項和分樣本回歸作用是一樣的。這個一樣建立在兩個子群體的分布是一致的假設之下。如果子群體A和子群體B的分布不一樣，那么用交乘項更合適。

 

　　交互項的加入，使得實證分析可以考察替代或互補效應，在分析兩個解釋變量的關系時運用交叉項就比較有優勢。交互項回歸是基于全樣本，分組回歸則可能會存在個別組別樣本量過少的情況，從而導致根本無法估計或估計效率下降。

 

　　此外，就像上面說的，在有的時候，分組變量的選取是基于某個連續變量而非虛擬變量，因而如何對連續變量進行合適的劃分以作為分組依據可能也是個問題等。

 

　　分組回歸只能說明X對Y的影響在不同組別存在差異，但該差異是否具有統計顯著性，還要借助于交互項檢驗調節效應。（即使做了分組也需要做交互項）一般建議優先考慮交互項回歸，之后再嘗試分組回歸。