Kort door de bocht genomen kun je de B-waarde van een interactie-regressiecoefficient interpreteren als een penalty of bonus, naar gelang deze negatief of positief is. Met andere woorden: bij een positief verband tussen A en Y en een positieve interactie AB zou je kunnen stellen dat er een positief verband is tussen A en Y dat sterker wordt naarmate B toeneemt. een negatieve interactie zou impliceren dat er een positief verband is dat zwakker wordt naarmate B toeneemt. Interpreteren zou ik altijd met een plotje doen (of tabelletje), want getallen uit vergelijkingen kunnen zeer misleidend zijn als je geen doorgewinterde vergelijkingenlezer bent.
De voorspelling van een regressievergelijking is een optelling van alle effecten. Je telt dus de effecten op van de hoofdeffecten, maar voor ieder punt A en ieder punt B wat iemand toeneemt krijgen ze ook nog de interactieterm als bonus of bestraffing mee.
Rekenvoorbeeld:
Stel dat de regressievergelijking is: Y = 0.4*A + 0.2*B + 0.1*AB
Dan zou Y voor verschillende combinaties van A en B zonder interactie worden:
B\A |
1 |
2 |
3 |
1 |
0,6 |
1,0 |
1,4 |
2 |
0,8 |
1,2 |
1,6 |
3 |
1,0 |
1,4 |
1,8 |
Met de interactieterm van 0.1*AB zouden we verwachten dat de effecten progressief toenemen naarmate zowel a en b toenemen. Als A en B op een staan zou de bonus gering moeten zijn: 0.1. Als A 2x zo groot is (2) dan zou de bonus van de interactie al 0.2 moeten zijn. Als A en B allebei 3 zijn, dan is het vermenigvuldigde bonuseffect van 0,1 al gegroeid tot 3x3x0.1 = 0.9 interactiebonus:
B\A |
1 |
2 |
3 |
1 |
0,7 |
1,2 |
1,7 |
2 |
1,0 |
1,6 |
2,2 |
3 |
1,3 |
2,0 |
2,7 |