¿Cuánto deberíamos confiar en las estimaciones de los modelos de interacción multiplicativa? Herramientas simples para mejorar la práctica empírica

Los modelos de interacción multiplicativa se utilizan ampliamente en las ciencias sociales para examinar si la relación entre un resultado y una variable independiente cambia con una variable moderadora. La práctica empírica actual tiende a pasar por alto dos problemas importantes. Primero, estos modelos asumen un efecto de interacción lineal que cambia a una tasa constante con el moderador. Segundo, las estimaciones de los efectos condicionales de la variable independiente pueden ser engañosas si hay una falta de soporte común del moderador. Al replicar 46 efectos de interacción de 22 publicaciones recientes en cinco de las principales revistas de ciencias políticas, encontramos que estas suposiciones básicas a menudo fallan en la práctica, lo que sugiere que una gran parte de los hallazgos en todos los subcampos de la ciencia política basados en modelos de interacción son frágiles y dependientes del modelo. Proponemos una lista de verificación de diagnósticos simples para evaluar la validez de estas suposiciones y ofrecemos estrategias de estimación flexibles que permiten efectos de interacción no lineales y protegen contra la extrapolación excesiva. Estas rutinas estadísticas están disponibles tanto en R como en STATA.