交互作用

1. 统计方法

• 方差分析（ANOVA）：在因子设计中，通过比较主效应与交互效应（如A×B项）的显著性判断是否存在交互作用。
• 回归分析：引入自变量的乘积项（如X₁×X₂）检验其回归系数是否显著（非零）。
• 简单效应分析：当交互作用显著时，需分层次（如分性别）分析单一变量的效应。

2. 可视化工具

交互作用图：X轴为变量A，不同线条表示变量B的水平，观察线条是否平行（平行=无交互）。

1. 主效应 vs 交互效应：主效应是单个变量对因变量的独立影响。交互效应是变量间的协同或拮抗作用。注意：显著交互作用可能掩盖主效应，需优先解释。
2. 分层报告：当B处于高水平时，A每增加1单位，Y增加β₁；当B低水平时，A对Y无影响。
3. 避免误读：交互作用不意味因果关系，需结合实验设计排除混淆变量。

1. 实验设计：采用因子设计（如2×2设计）系统操纵变量水平。
2. 数据收集：确保各变量组合（如A高+B低）有足够观测值。
3. 结果报告：使用APA格式清晰标注交互效应（F值、自由度、p值、效应量）。

总结：交互作用揭示了变量间“整体大于部分之和”或“此消彼长”的复杂关系。正确识别与解释交互效应，能深化对现象机制的理解，避免片面结论。在研究与决策中，需结合统计分析与理论逻辑，全面审视变量间的动态关联。

• Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied multiple regression/correlation analysis for the behavioral sciences (3rd ed.). Lawrence Erlbaum Associates.
• Aiken, L. S., & West, S. G. (1991). Multiple regression: Testing and interpreting interactions. Sage Publications.
• Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182.
• 温忠麟, 侯杰泰, 张雷. (2005). 调节效应与中介效应的比较和应用. 心理学报, 37(2), 268-274.
• 方积乾. (2008). 卫生统计学 (第6版). 人民卫生出版社.
• 刘红云, 张雷. (2005). 追踪数据分析方法及其应用. 教育科学出版社.