回归交互项怎么解释？用预测表看懂条件斜率与组间差异

交互项让一个变量的关系取决于另一个变量

没有交互项的模型 y=a+bx+cD，把 x 的斜率固定为 b，不论 D 取什么值。加入 xD 后，模型允许不同 D 对应不同斜率。这里的“效应”先按回归中的条件差异理解；除非另有可信的研究设计与识别假设，它不自动表示因果效应。

UCLA 的交互分析材料强调，含交互项时，要在指定的另一变量水平上解释简单斜率或简单效应。最可靠的入门方法，是先写出不同条件下的完整方程，再计算预测差，而不是在回归表里找到一个系数就结束解释。

设 y 为处理一批资料所需分钟数，x 为资料项目数；D=0 表示流程 A，D=1 表示流程 B。给定教学预测式 ŷ=30+2x−6D−xD。假设练习讨论的数据范围是 x=2 至 6；方程系数是为演示构造的，不是真实流程效率的统计报告。

代入 D=0，A 组为 ŷ=30+2x；代入 D=1，B 组为 ŷ=24+x。因此 A 每多一个项目，预测时间多 2 分钟；B 多 1 分钟。交互项系数 −1 表示 B 的项目数斜率比 A 小 1 分钟/项目，不表示 B 在所有项目数下只少用 1 分钟。

下方按项目数、A 预测、B 预测、B 减 A 的顺序列出结果。每一行先分别预测，再相减，比只看 D 的系数更容易发现组间差异怎样变化。计算 B 组时要同时保留组别项与乘积项；只改截距而漏掉乘积项，会错误地让两组拥有相同斜率。

再沿列检查：项目数由 2 增加到 4，A 的预测时间增加 4 分钟，B 增加 2 分钟；组间差从 −8 变到 −10，改变 −2 分钟。这恰好等于交互项系数 −1 乘以项目数变化 2。沿行比较组别与沿列比较项目数，是两个不同但相容的问题。

在 ŷ=b0+b1x+b2D+b3xD 中，x 的条件斜率为 b1+b3D；固定 x 时，B 相对 A 的预测差为 b2+b3x。本例分别为 2−D 和 −6−x。因此系数 2 是 D=0 时的斜率，系数 −6 是 x=0 时的组间差，不是跨所有观测平均后的差异。

由于讨论范围只有 x=2 至 6，x=0 处的 −6 主要承担方程参数的作用，不能假装已经观察到空批次的流程差异。若需要平均组间差，要明确在哪个 x 分布上取平均；不同人群的项目数组成不同，平均结果也可能不同。

令 z=x−4，即把四个项目作为新零点。把 x=z+4 代回原式，得到 ŷ=38+2z−10D−zD。新截距 38 对应 A 在四个项目时的预测时间；D 系数 −10 对应四个项目时的组间差。新的表达更贴近数据范围，但并没有创造新的证据。

例如原来 x=6 对应 z=2，A 的预测是 38+2×2=42，B 是 38+4−10−2=30，与旧式完全相同。交互系数仍是 −1。保留相关低阶项时，这只是同一模型的重写；不能为了让某个系数看上去显著，删除主项后还声称只改了坐标。

真实样本估计中的斜率与组间差带有不确定性。B 的斜率为 b1+b3，其方差需要 Var(b1)+Var(b3)+2Cov(b1,b3)；不能把两个标准误直接相加，也不能仅凭 b1 显著、b3 不显著推断其和是否显著。条件差异的区间同样要使用合适的协方差信息。

尤其不能把“一组斜率显著、另一组不显著”当成两组斜率显著不同。比较斜率差应直接检验交互项或相应对比。本文只有给定系数，没有样本与估计协方差，因此只能演示预测和代数解释，不能生成显著性结论或置信区间。

先求 x=5 时两组的预测时间和 B 相对 A 的差。解析：A 为 30+2×5=40 分钟，B 为 24+5=29 分钟，差为 −11 分钟。若答 −6，是忽略了交互项；若答 −1，是把斜率差误当成同一项目数下的时间差。

进阶自测：令 C=1−D，即 B 为新参照组、A 的 C=1。模型应写成 ŷ=24+x+6C+xC。x=5 时，C=0 得 29，C=1 得 40；交互项变为 +1，但两组预测没有改变。符号变化反映比较方向改变，并不意味着数据结论相互矛盾。

本例可表述为：“在五个项目的设定下，模型预测流程 B 比 A 少用 11 分钟；B 的项目数斜率比 A 小 1 分钟/项目。”两句话分别回答水平差和斜率差。不要用“B 的系数是负的，所以 B 永远更好”替代指定条件的解释。

最后检查两组是否都在比较的项目数附近有数据，其他协变量是否固定在合理值，比较方向是否一致。交互模型可能在数据稀少处给出很陡的变化；预测表或两条线应尽量限制在共同支持范围内，外推部分必须单独说明。

若交互项的含义仍不清楚，可在咨询中提供模型形式、变量编码和自己的预测表，讨论适合的练习方向。学科导师与课程时间需确认后安排。