交互作用について具体的な例をもとに分かりやすく解説！

交互作用とは、複数の要因のある組み合わせにおいて現れる相乗効果のことです。

もっと簡単に言えば、組み合わせ効果のことです。

例えば、ある料理に砂糖をどんどん加えれば甘さが増していき、塩をどんどん加えれば塩辛さが増していきますね。

しかし、ぜんざいなどは、砂糖の中に少量の塩を加えることで、甘さがより引き立てられることが知られています。

塩を混ぜたからといって、甘さが抑えられるわけではないのです。

このように、交互作用の発見は、分析者に有益な情報をもたらしてくれるのです。

基本的に、交互作用は2つの要因間で存在することが多く、3つ以上の要因間で存在することはかなり稀です。

交互作用の見つけ方

交互作用が組み合わせ効果であることはわかりました。

では、どのように交互作用を発見すれば良いのでしょうか？

それはズバリ、グラフを描くことです！

例を用いて説明していきます。

要因Aを肥料の種類（A₁、A₂）、要因Bを水の供給量（B₁、B₂）とし、植物の成長量が最も大きい組み合わせを考えるとします。

2×2=4通りの全ての組み合わせで実験を行った結果をプロットすると、以下のグラフが得られました。

グラフを見ると、A₂B₂の組み合わせが最も成長量を大きくすることがわかります。

ではこの結果から、要因Aと要因Bに交互作用は存在すると言えるでしょうか？

答えはNoです。

なぜなら、2つの線が平行であるからです。

要因Aと要因Bがこのような関係であるならば、肥料をA₂に固定し、水の供給量をB₃、B₄、…、と増やしていけばいくほど植物は成長していくことになります。

つまり、組み合わせ効果が存在しないのです。

ロボたん

それなら全ての組み合わせで実験する必要もないのかー。

続いて、実験の結果、以下のグラフが得られたとしましょう。

グラフを見ると、A₁B₂の組み合わせが最も成長量を大きくすることがわかります。

ではこの結果から、要因Aと要因Bに交互作用は存在すると言えるでしょうか？

答えはYesです。

なぜなら、2つの線が平行でないからです。

要因Aと要因Bがこのような関係であるならば、先ほどのように片方の要因を固定することができず、全ての組み合わせで実験を行う必要があります。

つまり、要因A（肥料の種類）と要因B（水の供給量）の組み合わせ効果が生じていると言えます。

以上より、交互作用を発見するためのポイントは次の2つにまとめることができます。

ウマたん

最適な組み合わせを見逃さないようにしよう！

まとめ

今回は交互作用について解説していきました。

本記事の冒頭でも述べたように、交互作用の発見が最大の利益につながることが多々あります。

データ分析などの際は、相関だけでなく、交互作用の存在もしっかりと意識していきましょう！

さらに詳しくAIやデータサイエンスの勉強がしたい！という方は当サイト「スタビジ」が提供する スタビジアカデミーというサービスで体系的に学ぶことが可能ですので是非参考にしてみてください！

AIデータサイエンス特化スクール「スタアカ」

データサイエンティストとしての自分の経験をふまえてエッセンスを詰め込んだのがこちらのスタビジアカデミー、略して「 スタアカ」！！

当メディアが運営するスクールです。

24時間以内の質問対応と現役データサイエンティストによる複数回のメンタリングを実施します！

カリキュラム自体は、他のスクールと比較して圧倒的に良い自信があるのでぜひ受講してみてください！

他のスクールのカリキュラムはPythonでの機械学習実装だけに焦点が当たっているものが多く、実務に即した内容になっていないものが多いです。

そんな課題感に対して、実務で使うことの多いSQLや機械学習のビジネス導入プロセスの理解なども合わせて学べるボリューム満点のコースになっています！

Pythonが初めての人でも学べるようなカリキュラムしておりますので是非チェックしてみてください！

ウォルマートのデータを使って商品の予測分析をしたり、実務で使うことの多いGoogleプロダクトのBigQueryを使って投球分析をしたり、データサイエンティストに必要なビジネス・マーケティングの基礎を学んでマーケティングプランを作ってもらったり・Webサイト構築してデータ基盤構築してWebマーケ×データ分析実践してもらったりする盛りだくさんの内容になってます！