交互作用とは？見分け方と、無視してよい場合・いけない場合をやさしく解説

そもそも交互作用とは？

交互作用とは、2つの因子（いんし＝結果に影響する原因や条件のこと）を組み合わせたときに、それぞれ単独では説明できない特別な効果が生まれることです。

ここで新しい言葉が出てきました。「因子」とは、実験で「変えてみる条件」のことです。たとえば料理なら「肉の種類」や「香辛料の量」が因子にあたります。これから何度も出てくる言葉なので、「因子＝変えてみる条件」と覚えておいてください。

つまり交互作用とは、「AとBを組み合わせたら、それぞれをただ足しただけでは説明できない結果になった」という現象のこと。これが交互作用の正体です。

「主効果」との違いを知るとスッキリする

交互作用を理解するには、セットで「主効果（しゅこうか）」という言葉を知っておくと一気にスッキリします。

主効果とは「その因子1つだけの効果」

主効果とは、1つの因子を変えたときの、それだけの平均的な効果のことです。たとえば「香辛料を増やすと、平均して点数が◯点上がる」というのが香辛料の主効果です。

一方の交互作用は、「因子と因子の組み合わせで初めて出る効果」です。つまり、主効果は「単独の働き」、交互作用は「タッグを組んだときの働き」と考えると、違いがハッキリします。

つまり、主効果と交互作用はケンカする概念ではなく、両方セットで見て初めて実験の全体像がわかる、ということです。

料理のたとえで完全に理解する

ここでは、カレーの「おいしさ点数（100点満点）」を使って、交互作用が「ない場合」と「ある場合」を並べて見てみます。因子は次の2つです。

• 因子A：肉の種類（鶏肉 / 牛肉）
• 因子B：香辛料の量（少なめ / 多め）

交互作用が「ない」場合

まずは交互作用がない、素直なケースです。香辛料を多めにすると、鶏肉でも牛肉でも同じように「＋4点」上がるとします。

鶏肉でも牛肉でも、香辛料を増やせば同じく＋4点。この場合、「香辛料の効果は肉の種類に左右されない」ので、交互作用はありません。

交互作用が「ある」場合

次に交互作用があるケースです。香辛料を多めにすると、鶏肉では＋2点しか上がらないのに、牛肉では＋20点も上がるとします。

同じ「香辛料を増やす」でも、肉によって効果がまるで違います。鶏肉ならほとんど効かず、牛肉なら劇的に効く。つまり「香辛料の効き方が、肉の種類しだいで変わる」——これがまさに交互作用です。

グラフで見分ける方法（一番かんたん）

交互作用があるかどうかを、一番かんたんに見分ける方法がグラフです。これを「交互作用プロット（交互作用図）」と呼びます。難しそうな名前ですが、やることは「表の点数を折れ線でつなぐだけ」です。

横軸に香辛料の量（少なめ→多め）をとり、鶏肉の点数と牛肉の点数を、それぞれ1本の折れ線で結びます。すると、2本の線が引けます。この線の形で、交互作用があるかないかがひと目でわかります。

つまり、むずかしい計算をしなくても、点数を折れ線でつないでみるだけで、交互作用の有無はだいたい見当がつく、ということです。

交互作用を無視すると、なぜ実験は失敗するのか

ここが、この記事で一番大事なところです。交互作用を無視すると、「一番良い条件」を選び間違えてしまいます。実際に数字で確かめてみましょう。

先ほどの「交互作用がある」表をもう一度使います。よくある間違いは、主効果（因子1つだけの平均の効果）だけを見て判断してしまうことです。順を追って計算します。

効果が「逆転」すると、主効果はウソをつく

では、もう1パターン見てみましょう。今度は「鶏肉のときだけ香辛料が効き、牛肉では逆に香辛料が邪魔になる」という、効果が逆転するケースです。

香辛料の主効果を平均で出すと、少なめ＝(50＋70)÷2＝60点、多め＝(90＋50)÷2＝70点。平均だと「多めが良さそう」に見えます。ところが本当の最高得点は「鶏肉＋香辛料多め」の90点です。

つまり、交互作用があるのに主効果だけで判断すると、平均が本当の姿を隠してしまう。だから「組み合わせごとの結果」を必ず確認することが大切なのです。

身の回りにもたくさんある交互作用の例

交互作用は、実験室の中だけの話ではありません。日常生活にもあふれています。いくつか身近な例を見ると、「なるほど、これも交互作用か」と腑に落ちます。

とくに「薬とお酒」は、交互作用の危険な例としてよく知られています。片方だけなら大丈夫でも、組み合わせると予想外の結果になる——これがまさに交互作用の怖さであり、面白さでもあります。

製造業や研究の現場でも同じです。「材料Aと温度Bの組み合わせで初めて強度が上がる」といったことは日常茶飯事で、だからこそ実験計画法では交互作用をきちんと調べる仕組みが用意されています。

交互作用の見分け方3ステップとよくある間違い

最後に、交互作用がある実験で失敗しないための「確認3ステップ」をまとめます。この順番でチェックすれば、初心者でも見落としを防げます。

STEP3で出てきた「二元配置分散分析」とは、2つの因子の効果と交互作用を、まとめて統計的に調べる方法のことです。「p値（ピーち）」は、その効果が偶然とは考えにくいかを示す数値で、0.05より小さいと「意味のある効果」と判断するのが一般的です。

つまり、まずはグラフでざっくり当たりをつけ、次に組み合わせごとの数字を確認し、最後に必要なら分散分析で裏づける——この流れを覚えておけば、交互作用の見落としはぐっと減らせます。

よくある質問（FAQ）

まとめ：交互作用は「組み合わせの効果」

交互作用は、実験計画法でつまずきやすい概念ですが、「組み合わせで初めて出る効果」とだけ覚えておけば、もう怖くありません。まずはグラフで折れ線を描いてみる——次の一歩は、これで十分です。

この考え方は、資格試験の勉強でも、仕事のデータ分析でも、そのまま役立ちます。ぜひ、身の回りの「組み合わせで変わること」を探してみてください。