Beide punten die je in je vraag betrekt komen uit eenzelfde stelling voort: je evalueert geen hoofdeffecten wanneer er een significant interactie-effect is. Het idee hierachter is dat een interactie-effect betekent dat het effect van een variabele altijd besproken wordt in het licht van een andere variabele. Zodoende is het op zichzelf evalueren van een hoofdeffect lastig.
Dit is een beetje de manier waarop iedereen het lijkt te doen, en daar met bijna dogmatische overtuiging voor blijft pleiten. Ik zou zeggen: houd het als een bottom-line aan: je kunt de algemene hoofdeffecten wel bespreken, maar detailtoetsing middels post-hocs of contrasten enkel op de significante interactie doen. Dit is belangrijk omdat contrasten en post-hocs veel detailinformatie verstrekken, veel ruimte in een verslag kunnen kosten, en waarvan het uitzonderlijk storend is als een alinea later geschreven wordt: maar alles wat ik net schreef kunt u negeren, want als we het interactie-effect in detail evalueren is alles weer anders! Daar worden lezers een beetje kribbig van.
Zijn hier uitzonderingen op te bedenken? Ik stel van wel. Het begint eigenlijk al bij de mixed-design ANOVA, waar er eerst een hoofdeffect van bijvoorbeeld tijd wordt geevalueerd (within-effect), waarbij getoetst wordt of gemiddeld genomen er over alle groepen een toename of afname is over tijd. Daarnaast wordt dan ook een interactie tussen groepen en tijd genomen middels de interactie between-within effects. Vaak evalueren we daar al beiden.
In welke situatie is dit en mogelijk een puur between-subjects design bijvoorbeeld zinvol? Stel dat er een situatie is waarbij je een controlegroep en een experimentele groep vergelijkt. Om welke reden dan ook scoort de experimtele groep al hoger op de afhankelijke variabele bij de eerste meting dan de controlegroep (misschien zelf volkomen verwacht), en deze voorsprong neemt over tijd alleen maar meer toe. Dan is er een interactie-effect, dat je dan in detail middels post-hoc en contrasten kunt uitpluizen, maar er is ook een relevant hoofdeffect: de experimentele groep is altijd hoger dan de controle. Dit is vaak ook nog interessant om te vermelden; echter het toetsen van de 'simple effects' (dus wat je met post-hocs zou doen), zou ik daar ook, conform Field, enkel op de interactie doen.
Bovenstaand voorbeeld is in een zuiver experiment niet zo realistisch (randomisatie zou geen apriori verschillen moeten opleveren), maar in quasi-experimentele designs komt het nog wel eens voor. Een bekend voorbeeld in onderwijswetenschappen is bijvoorbeeld het vergelijken van low-achievers en high-achieverers. Daar treed vaak wat men noemt het 'mattheus-effect' op: high-achievers halen vaak meer uit een onderwijsinterventie dan low-achievers. Dit is een situatie waarbij er een hoofdeffect is tussen low- en high-achievers (de high-achievers zijn steevast 'beter' dan de low achievers) en er is een interactie-effect (beginnen beter en vergroten alleen maar een voorsprong). Hoewel sommigen dit als een bewijs zijn dat het hoofdeffect niet van belang is, is het hoofdeffect wel interessant om aan te stippen, omdat het in dit geval het mattheus-effect onderstreept. Dan ook nog steeds conform Field: enkel post-hoc/contrasten op het interactie-effect doen, want het interactie-effect legt zowel de apriori voorsprong als de a-posterio vergrootte voorsprong vast.