方差分析時，交互作用不顯著就不能做簡單效應分析嗎？
我做了個2*2的方差分析，兩個因素（A、B）的主效應分別都顯著，但是交互效應不顯著。我運用了簡單效應分析，卻發現在A因素的一個水平下，B因素的兩個水平之間是顯著的；在A因素的另一個水平下，B因素的兩個水平之間是不顯著的。這個結果也是我想要的。
但是我查看了一些統計學的書以及在論壇上看到，都說只有在交互作用顯著條件下才能做簡單效應分析。 那麼，問題來了：1.有沒有可能交互作用不顯著，但是簡單效應卻有顯著性差異的？
2. 交互作用不顯著能不能做簡單效應分析嗎？如果不能，為什麼？3. 從平均數比較，我覺得我的簡單效應分析結果是可信的，如果交互作用不顯著不能做簡單效應分析的話，有沒有別的方法可以讓我能夠做出這樣的結果？求統計大蝦指教
Q1. 這是個事實。在H0與H1條件下，都有正概率出現題目所述的情況。可模擬數據加以驗證。
Q2. 這是個沒有獲得心理統計同行認同的流行觀點。這個觀點雖然有若干心理學大領域圈子的同行附議，但沒有事實支持。我與若干心理統計的（小領域圈子）研究同行都持相反的觀點。
這個具體問題的爭論，更一般而言叫做「用一個假設檢驗的結果作為另一個假設檢驗的前提」。更有代表性也更常見、更簡單易懂的另一個類似問題：獨立三組均值比較，多重比較是否需要先有單因素方差分析顯著的結果在先？Wilkinson TFSI* (1999, p. 599)在綱領性的權威文獻中明確寫道：One of the most prevalent strategies psychologists use
to handle multiplicity is to follow an ANOVA with pair-wise multiple-comparison tests. This approach is usually
wrong for several reasons. First, pairwise methods such as
Tukey"s honestly significant difference procedure were designed to control a familywise error rate based on the
sample size and number of comparisons. Preceding them
with an omnibus F test in a stagewise testing procedure
defeats this design, making it unnecessarily conservative.
Second, researchers rarely need to compare all possible
means to understand their results or assess their theory; by
setting their sights large, they sacrifice their power to see
small. Third, the lattice of all possible pairs is a straight-jacket; forcing themselves to wear it often restricts researchers to uninteresting hypotheses and induces them to
ignore more fruitful ones.
其中的理由一足以回答Q2.，於是就沒有Q3了。
* TFSI: APA Task Force on Statistical Inference. 值得一提的是，心理學圈子往往過度引用 APA 的出版手冊關於統計口徑的說法，卻對 TFSI 的這份權威綱領不了解。事實上，APA的出版手冊統計口徑的依據就是TFSI的意見。所引的1999年文獻開頭就解釋了APA的TFSI為何產生、如何運作、誰是成員，讀了自然理解為什麼它的權威性高於APA 出版手冊。理論層面我不懂，我只說實際應用。如果你真的覺得有交互作用，就做簡單效應檢驗好了，文章中在前面報告一下交互項不顯著就行。交互作用顯著從事實上看並不是簡單效應出現差異的充分條件，只不過有些人不希望有交互作用，他一看不顯著，也就不再去看簡單效應了。
進一步說，p=.06是顯著還是不顯著呢？假定H0不成立，你多測幾個人，p說不定能變成0.049。就因為加了幾個人，交互作用就從沒有（簡單效應沒有差異）變成有了？
你可以試試下面這個syntax, 前提是你在文章的前言里有足夠強的證據來支持你的假設
推薦閱讀：