判断交互效应的方法主要分为以下几种：

一、统计分析方法

方差分析（ANOVA）

通过双因素方差分析（Two-way ANOVA）检验交互项的显著性。若交互项的p值小于0.05，则表明存在显著交互效应。例如，在研究吸烟（A）与基因型（B）对肺癌发病率（Y）的影响时，若A×B的交互项显著，则说明两者存在交互作用。

回归分析

在多元回归模型中加入交互项（如X×Z），通过回归系数的大小和显著性判断交互效应。若交互项系数显著且非零，则表明存在交互作用。

二、图形分析方法

散点图矩阵

绘制自变量两两组合的散点图，观察不同水平组合下因变量的分布是否平行。若折线不平行，则可能存在交互效应。

折线图/平均数差异图

以一个自变量为横轴，因变量的平均数作为纵轴，绘制不同水平组合的折线。若折线相交或倾斜程度显著变化，表明存在交互效应。

三、其他方法

简单效应分析

当交互效应显著时，需进一步分析每个自变量在另一个自变量不同水平上的效应。例如，在双因素实验中，分别固定一个因素，观察另一个因素对因变量的影响。

非线性模型中的交互效应

对于非线性模型（如Logit模型），需使用Delta Method等高级统计方法计算交互效应的标准误和t统计量。

四、注意事项

交互效应的符号与显著性无必然联系 ：即使交互项显著，其符号（正/负）也不一定与显著性相关。

设计阶段需预设交互项 ：理论上应先根据理论框架设计包含交互项的模型，再通过数据验证。

通过以上方法，可以系统判断交互效应的存在及其性质。