1 定义
交互效应是指一个自变量对因变量的影响效应随着另一个自变量的取值变化，也就是自变量A的取值不同时，自变量B对因变量的效应不同。与之相对应地，每个自变量对因变量单独的效应叫做主效应。
2 与调节效应的关系
其从统计模型角度（例如方差分析或回归方程中的乘积项），检验调节效应与检验交互效应是等价的。但在研究逻辑或阐述上，两者略有侧重：交互效应多用于描述两个或多个地位对等的自变量如何共同作用于因变量，也不要求是线性影响，常见于多因素实验设计；而调节效应的表述中，两个变量的地位并不对称，一个是解释因变量的核心驱动力，而另一个变量则只是约束该影响的特定背景或条件。
3 操作要点
在可视化呈现上，交互效应通常通过交互效应图（Interaction Plot） 来展示。若图中代表不同水平组合的折线呈现明显的交叉或非平行趋势，则表明存在交互作用；若折线基本平行，则说明各因素独立发挥作用，交互效应不显著。交互效应可以通过简单主效应分析进一步明确。
4 示例
4.1 例子1
调节变量的例子中，分别把游戏化要素（有vs.无）与用户年龄（儿童vs.成人）作为两个两水平自变量，那么它们在学习成绩上产生了交互作用。儿童+有游戏化的组合下产生了最优的学习效果，而游戏化要素在成人组未能引发同等程度的学习效果提升。交互效应图如图所示。
4.2 例子2
- 自变量 A：温度（正常冰、去冰、热饮）。
- 自变量 B：甜度（无糖、半糖、全糖）。
- 逻辑（全面交叉）：菜单上的任何一个温度，都可以和任何一个甜度完美搭配，产生 3×3 = 9 种完整的组合（例如“正常冰+半糖”、“热饮+全糖”）。
- 交互作用的直观体现：你可能会发现，当奶茶是“正常冰”时，“全糖”喝起来刚好；但当奶茶是“热饮”时，“全糖”就会变得极其发腻。这种“温度的不同，改变了你对甜度的主观感受”的现象，就是全因子设计要去捕捉的交互作用。