目的：应用不同统计学方法分析复杂疾病基因-基因及基因-环境间交互作用，比较各种方法的分析结果，确定不同统计学方法的优缺点及各种方法的适用条件，为复杂疾病基因交互作用分析方法的选择、交互作用分析结果的解释提供科学合理的依据。　　方法：在假设有四个致病基因的情况下，通过设定不同的疾病模型、外显率、基因频率以及样本数等参数，应用SNaP软件生成相应的基因资料，每种参数组合下的模型均模拟1000组数据，然后利用SAS软件进行逻辑回归及惩罚逻辑回归分析，利用MDR软件进行多因子降维法分析，最后比较三种方法的检测能力、假阳性率及假阴性率。　　结果：在每一种参数设定的组合情况下，惩罚逻辑回归及多因子降维法都具有较好的检测能力，而普通逻辑回归的检测能力相对较差。当样本含量较小时普通逻辑回归与多因子降维方法的检测能力较低；样本量低于200时，与多因子降维法比较，惩罚逻辑回归更具有优势，当样本量增大时，多因子降维法与惩罚逻辑回归检测能力相当。而从假阳性率及假阴性率结果可知，当外显率较低时多因子降维法的错误率低于普通逻辑回归，当外显率较高时多因子降维法的错误率要高于普通逻辑回归，而惩罚逻辑回归的错误率始终保持较低的水平，增加样本量以后，各种方法的假阴性率均降低，但假阳性率未降低。　　结论：本研究结果表明，在任意模拟参数组合的情况下，多因子降维法及惩罚逻辑回归检测交互作用的能力均优于普通逻辑回归，并且假阴性率在一般低于逻辑回归，而在样本含量较少的情况下惩罚逻辑回归又优于多因子降维法，当样本量增加后多因子降维法与惩罚逻辑回归检测能力相当，而普通逻辑回归的检测能力始终较低，错误率相对较高。