교호작용효과 (Interaction Effect)
쉽게 풀면
"공부 시간"과 "수면 시간"이 시험 점수에 미치는 영향을 따로따로 볼 수도 있지만, 실제로는 두 변수가 서로 얽혀서 작동하는 경우가 많습니다. 예를 들어 잠을 충분히 잔 학생은 공부 시간이 늘수록 점수가 쭉쭉 오르지만, 잠이 부족한 학생은 아무리 오래 공부해도 점수가 잘 오르지 않는다고 해봅시다. 이 경우 "공부 시간의 효과"가 "수면 시간이 충분한가 아닌가"에 따라 달라지는 것인데, 이렇게 한 변수의 효과가 다른 변수의 수준에 따라 커지거나 작아지거나 심지어 방향이 바뀌는 현상을 교호작용효과(상호작용효과)라고 합니다. 각 변수가 독립적으로 미치는 영향은 분산분석라고 부르며, 교호작용효과는 이 주효과만으로는 설명되지 않는 "변수 간의 시너지 혹은 상쇄"를 포착합니다.
왜 중요한가
현실의 많은 현상은 여러 요인이 서로 맞물려 작동하기 때문에, 각 변수의 독립적 효과만 보고하면 실제 메커니즘을 놓치기 쉽습니다. 교호작용효과를 검토하면 "누구에게, 어떤 조건에서 효과가 더 크거나 작은지"를 파악할 수 있어 정책 대상 세분화나 처치 적용 조건을 설계하는 데 중요한 근거가 됩니다. 이 때문에 실험설계, 회귀분석, 다층모형을 다루는 논문에서 교호작용효과 검정은 거의 필수적으로 함께 보고됩니다.
논문에서는 이렇게 쓰입니다
이 문장은 "처치가 효과가 있는지 없는지가 성별에 따라 다르게 나타났다"는 뜻으로, 처치 효과를 성별과 분리해서 단순하게 이야기할 수 없다는 것을 의미합니다.
조직행동 연구에서는 회귀식에 두 변수의 곱셈항(교호작용항)을 추가해, 한 변수의 효과가 다른 변수 수준에 따라 얼마나 달라지는지를 계수로 직접 검정합니다.
조금 더 깊게 보면
교호작용효과는 크게 두 변수가 같은 방향으로 효과를 키우는 상승적(synergistic) 패턴과, 한쪽이 다른 쪽의 효과를 상쇄하는 길항적(antagonistic) 패턴으로 나뉘며, 이를 시각적으로 확인할 때는 흔히 단순기울기분석(simple slope analysis)과 교호작용 그래프를 함께 제시합니다. 회귀분석에서 교호작용항을 넣을 때는 다중공선성을 줄이기 위해 변수를 평균중심화(mean-centering)하는 것이 일반적이며, 조절변수의 역할을 강조할 때는 이 개념을 매개효과와 조절효과라는 용어로 부르기도 합니다.
주의할 점
교호작용효과가 유의하게 나타났다면, 각 변수의 주효과만 따로 해석하는 것은 오해를 부를 수 있습니다. 예컨대 위 예시처럼 성별과의 교호작용이 유의하다면 "처치 효과"를 성별 구분 없이 하나의 숫자로 요약해서는 안 되고, 각 집단별로 나누어 해석해야 합니다. 회귀분석에서는 이를 회귀분석을 추가해 검정하며, ANOVA에서는 이원배치 분산분석에서 다룹니다.