Er is een verschil tussen het benoemen van statistische effecten en het interpreteren ervan.
Hoofdeffecten statistisch 'interpreteren', dus het benoemen van significantie, effectgrootte is geen probleem.
Bij een significante interactie is het belangrijk om niet zomaar een heel verhaal op losse hoofdeffecten te bouwen, omdat je interactie dit verhaal weer kan doen veranderen. Het hangt een beetje van het type interactie af.
In een kwantitatieve interactie zijn de effecten allemaal in de zelfde richting (bijvoorbeeld: positieve groei), maar verschilt de kracht, de mate van groei. Een groep stijgt sneller dan de andere bijvoorbeeld. In dit geval heb je dus een logisch hoofdeffect (groei bij beide groepen), maar wat verdieping door de interactie (de groei is als ook A dan wanneer B).
Bij een kwalitatieve interactie verschillen de richtingen van de effecten afhankelijk van de moderator. Dus een afname in een groep, en een groei in de andere groep bijvoorbeeld. In zo'n geval zijn hoofdeffecten soms helemaal niet meer significant, of heeft het weinig zin om eerst te zeggen 'gemiddeld is er groei', omdat je daarna moet zeggen 'maar eigenlijk niet, want een groep daalt'.
Geef dus gewoon alle relevante statistische informatie, en maak je nog niet druk of iets een hoofdeffect of interactie is. Kijk goed naar de interactie, en laat dat bepalen hoe gedetailleerd je de hoofdeffecten uitlegt aan de lezer in de resultatensectie.
In de discussie zou ik Field volledig volgen volgens hetzelfde idee: als het meerwaarde heeft om een hoofdeffect los te bespreken (bijvoorbeeld groep A presteert altijd beter dan groep B, ongeacht de waarde van de moderator) dan kun je dat noemen, maar meestal kun je volstaan met de interactie te bespreken.