교호작용 (Interaction) 이란 한 요인의 효과가 다른 요인의 수준에 의존하는 경우를 말한다.
교호작용도를 사용하여 가능한 교호작용을 시각화할 수 있다.

교호작용도가 평행선으로 나타나면 교호작용이 없다는 것을 나타낸다.
선 사이의 기울기에 차이가 클수록 교호작용의 정도가 더 높다. 그러나 교호작용도로는 교호작용이
통계적으로 유의한지 여부를 알 수 없다.

예를 들어, 곡물시리얼은 포장공정 전에 충분히 건조되어야 한다.
실험실 연구자들이 다양한 오븐 시간 및 온도에서 곡물의 수분 데이터를 수집하였다.

그림은 오븐온도와 오븐시간 사이의 교호작용을 나타낸다.
곡물은 125도와 130도에서 60분간 구웠을 때가 30분간 구웠을 때 보다 수분의 비율이 낮다.
그러나 온도가 135도일 때는 30분간 구웠을 때 수분의 비율이 더 낮다.

교호작용도는 종종 분산분석 또는 실험계획법에서 교호작용을 시각화하기 위해 사용한다.

요인을 두 개 입력하면 교호작용도 하나가 그려지고 요인을 세 개 이상 입력하면 교호작용도의
행렬이 그려진다.

통계적인 교호작용을 검정하는 것은 척도에 의존적이다.
일반선형회귀 분석에서 보통 연속형 변수 y가 정규분포를 따르지 않을 때, 로그화하여
분석하는 경우가 있다. 시뮬레이션 결과에 의하면, 로그화 하지 않은 y를 사용해서 x와 y 연관성,
z의 교호작용을 모델링했을 때에 z의 교호작용이 통계적으로 유의하지 않았던 반면, y를 로그화한 후
모델링했을 때엔 z의 교호작용이 통계적으로 유의한 경우가 확인되었다.

이러한 결과는 교호작용의 검정과정이 y 변수 척도의 영향을 받는다는 것을 의미한다.
교호작용을 검정할 때는 y 변수의 단위 변경에 주의해야 한다.

또한 x와 y가 선형이 아닌 비선형 관계를 가지고 있음에도 선형 관계로 모델링 하는 경우,
실제로는 없는 z의 교호작용을 있는 것으로 잘못 판단할 여지가 있음을 유의해야 한다.