交互效应指两个变量同方向变化，会影响任一单个变量与结果变量之间的关系，两个变量之间存在双向的调节效应。如式5.2-1，刻画了解释变量x1与x2之间在影响y时的相互关系。

对方程分别求y对x1与x2的偏导数，可以看出y与x1的关系系数，是x2的函数；y与x2的关系系数，是x1的函数。乘积项x1x2的系数β3决定了这种关系系数是弱化还是强化。当β3＞0时，y与x1的关系，随着x2的增大而增大，意味着x2对x1和y具有正向调节作用。当β3＜0时，y与x1的关系，随着x2的增大而减小，意味着x2对x1和y的关系具有负向调节作用。值得注意的是，正向调节抑或负向调节，与β1或者β2的符号没有关系，只取决于x1x2的符号。譬如，考虑β1＜0的情形，意味着x1与y负相关。当β3＞0时，随着x2的增大，x1与y的负相关系数绝对值会增大，也就是说x1与y的负相关关系得到强化，此时，x2对x1具有正向调节作用，而非负向调节作用。调节效应的检验，主要是将乘积项纳入回归模型，检验两个方面的内容，一是方程的显著性和拟合指数有没有增加，按照调整后△R2＞0.1的基本标准，来判断随着乘积项的引入，方程拟合效果有没有显著变化；二是乘积项系数的符号，是否通过假设检验。

交互效应是双向的调节效应，在统计检验上与调节效应类似，同样引入乘积项来检验。但是，对于两个连续变量来说，引用乘积项来检验，只能确认两个变量之间具有调节效应，而确定不了具体是什么调节关系，主效应和调节效应难以区分。而且，即便交互效应和调节效应在方法上相同，理论含义也不同。因此，交互效应的检验方法，在检验纳入乘积项后的方程显著性与乘积项系数显著性的同时，通过理论上解释两个变量之间的交互效应。根据上述分析，运用如式5.2-2所示的负二项回归模型，来检验资源多样性与网络结构之间的交互效应。(www.daowen.com)

具体操作上，先运用独立效应模型作为基准，在独立效应模型基础上，纳入相应的乘积项，再进行回归。采用调节效应与交互效应的通常做法，将具有交互效应的变量数据中心化处理后再乘积，以避免多重共线性。