Het eerste deel van het antwoord is wellicht een beetje flauw, maar redelijk essentieel. Niets 'moet'. Er zijn algemene richtlijnen en meerdere wegen naar Rome.
In iedere situatie waar een set hypothesen eigenlijk facetten van dezelfde vraag zijn, willen we een manier vinden om die hypotheseset zo zuinig mogelijk te toetsen. Kanskapitalisatie zijn statistici allergisch voor. Als een set hypothesen dus bijvoorbeeld weinig meer is dan het systematisch uitschrijven van hoofdeffecten en interacties, dan moet men zich afvragen of een set losse toetsen het geschikte instrument is om die set hypothesen te evalueren.
Tevens onstaat hier een vraag over redundantie: om een interactie te onderzoeken is een factorieel ontwerp nodig, of op zijn minst een analyse met meerdere predictoren. Als deze toets wordt gedaan, waar de hoofdeffecten dus ook in worden getoetst; wat voegen dan bivariate, losse, analyses van de hoofdeffecten hier aan toe?
Dus, voel je vooral vrij om te kiezen, maar houd rekening met zuinigheid (liefst zo min mogelijk toetsen) en vermijden van reduntantie (niet iets meer dan eenmaal toetsen).