1、原理说明
交互作用(Interaction effect)指两个或多个因素（比如A因素和B因素）对于某项（比如身高）的影响时，A因素和B因素各个水平之间是否存在着相互作用关系。比如A因素为性别，B因素为区域，男性并且北方群体时身高如何，男性并且南方群体时身高如何，也或者女性并且北方群体时身高如何，女性并且南方群体时身高如何。性别的2个水平（男和女），与区域的2个水平（北方和南方）之间有没有交互。
简单言之：身高效应 = 性别 + 区域 + 性别*区域。如果交互项（性别*区域）并不具有显著性，此时说明具有交互效应。
交互效应的分析上，交互项的设置非常关键，其显著性即代表是否存在着交互效应。接下来具体说明交互项设置。
2、交互项设置
第1部分简要阐述交互作用的简要应用，本部分介绍交互项的设置，如下表格说明：
√ A定类B定类。此时直接使用SPSSAU的双因素方差进行研究即可，并且选中‘二阶效应’即可，并不需要提前进行交互项设置处理。
√ A定类B定量。此时共有两种处理方式，分别是‘定量转定类法’和‘哑变量乘积法’，如下表格说明：
将定量数据转化成定类数据，相当于将定量数据进行分组，变相地变成定类数据，然后使用双因素方差分析时，选中‘二阶效应’即可进行分析。
哑变量乘积法时，将A因素进行哑变量处理，然后将得到的哑变量分别与B因素相乘，即得到交互项，至于后续分析方法，通常是使用ols线性回归。
√ A定量B定类。完全参照‘A定类B定量’即可。
√ A定量B定量。此时可分别将A或者B进行‘定量转定类法’处理，也或者直接将A乘B得到交互项，至于后续分析方法，通常使用ols线性回归。
3、SPSSAU操作
第2部分中讲述交互项基本原理，接下来讲解SPSSAU操作，分别分为四部分。以及操作时使用数据如下图：
spss中交叉分析主要用来检验两个变量之间是否存在关系，或者说是否独立，其零假设为两个变量之间没有关系。在实际工作中，经常用交叉表来分析比例是否相等。例如分析不同的性别对不同的报纸的选择有什么不同。
spss交叉表分析方法与步骤：
1、在spss中打开数据，然后依次打开：analyze--descriptive--crosstabs，打开交叉表对话框。
2、将性别放到行列表，将对读物的选择变量放到列，这样就构成了一个交叉表。
3、设置输出的结果，点击statistics，打开一个新的对话框 。
4、勾选chi-square（卡方检验），勾选phi and cramer's V（衡量交互分析中两个变量关系强度的指标），点击continue，回到交叉表对话框。
5、点击cells，设置cell中要展示的数据。
6、在这里勾选observed（各单元格的观测次数），勾选row（行单元格的百分比），点击continue，回到交叉表对话框。
7、点击ok按钮，输出检验结果 。
8、先看到的第一个表格就是交叉表，性别为行、选择的读物为列。
9、卡方检验结果：主要看pearson卡方检验，sig值小于0.05，因此认为不同的性别的人对周末读物的选择有显著的差别 。
10、最后一个表格，输出的是phi值和V值，两个都代表两个变量之间的关系的紧密度，数值小于0.1说明关系不紧密，即性别与周末读物的选择没有明显的关系，这个结论和上面的卡方检验有出入，所以需要进一步进行两两比较。
我经常帮别人做这类的数据分析的
看看