Interaktionseffekt
In diesem Beitrag
Was versteht man unter Interaktionseffekt?
Ein Interaktionseffekt liegt vor, wenn der Effekt einer unabhängigen Variable auf eine abhängige Variable davon abhängt, welchen Wert eine zweite (oder weitere) unabhängige Variable annimmt. Anders ausgedrückt: Zwei Variablen wirken nicht einfach unabhängig voneinander, sondern gemeinsam – ihre kombinierte Wirkung ist mehr oder weniger als die Summe ihrer Einzeleffekte.
In einem linearen Regressionsmodell mit zwei Prädiktoren und wird ein Interaktionseffekt durch einen Produktterm modelliert:
Regressionsmodell mit Interaktionsterm
Der Koeffizient beschreibt dabei, um wie viel sich der Effekt von verändert, wenn um eine Einheit steigt – und umgekehrt. Im Rahmen von Varianzanalysen (ANOVA) spricht man von einer Wechselwirkung zwischen zwei Faktoren.
Warum ist der Interaktionseffekt für statistische Analysen wichtig?
Interaktionseffekte sind in vielen Forschungsbereichen – von der Psychologie über die Medizin bis hin zu den Sozialwissenschaften – von zentraler Bedeutung. Wer sie ignoriert, riskiert vereinfachte oder sogar falsche Schlussfolgerungen. Ein Haupteffekt, der über alle Gruppen hinweg gemittelt wird, kann eine darunter liegende Wechselwirkung vollständig verschleiern.
Interaktionseffekte spielen insbesondere in folgenden Kontexten eine Rolle:
- Moderationsanalysen: Eine Moderatorvariable verändert die Stärke oder Richtung eines Effekts – das ist strukturell dasselbe wie ein Interaktionseffekt.
- Faktorielle ANOVA: Bei mehreren Faktoren wird explizit geprüft, ob die Faktoren unabhängig voneinander wirken oder ob eine Wechselwirkung besteht.
- Multiple Regression: Produktterme erlauben es, bedingte Effekte zu modellieren und zu testen.
Praxisbeispiel zu Interaktionseffekt
Eine Bildungsforscherin untersucht, ob eine neue Lernmethode (Methode A vs. Methode B) den Lernerfolg von Schülerinnen und Schülern beeinflusst. Zusätzlich berücksichtigt sie das Vorwissen der Schülerinnen und Schüler (niedrig vs. hoch). Sie führt eine zweifaktorielle ANOVA durch und erhält folgende mittlere Testergebnisse:
| Vorwissen | Methode A | Methode B |
|---|---|---|
| Niedrig | 62 Punkte | 74 Punkte |
| Hoch | 80 Punkte | 82 Punkte |
Bei Schülerinnen und Schülern mit niedrigem Vorwissen zeigt Methode B einen deutlich höheren Lernerfolg als Methode A (74 vs. 62 Punkte, Differenz: 12 Punkte). Bei Schülerinnen und Schülern mit hohem Vorwissen ist der Unterschied zwischen den Methoden dagegen vernachlässigbar (82 vs. 80 Punkte, Differenz: 2 Punkte).
Der Effekt der Lernmethode hängt also vom Vorwissen ab – ein klassischer Interaktionseffekt. Würde man nur den Haupteffekt der Methode berichten, würde man diesen wichtigen Unterschied vollständig übersehen. Die praktische Schlussfolgerung lautet: Methode B ist besonders effektiv für Lernende mit geringem Vorwissen, während bei hohem Vorwissen beide Methoden ähnlich gut funktionieren.
