假设一个例子，因变量是身高（Height），第一个自变量是年龄（Age），第二个自变量是性别（Sex）。通常我们会感兴趣年龄和性别的交互作用，即年龄和身高的关系是否在不同性别中是不同的。如果交互不显著，我们通常会关心年龄和性别的主效应。我的问题是，如果交互作用不显著，是否应该去掉交互项，重新拟合模型。我也搜索过一些资料，我看不同的观点都有，由于我对统计原理知之甚少，所以希望大佬解答一下，最好是有一些可靠的参考来源（比如论文），这样如果以后有人质疑我，我可以进行引用。
我个人认为， 一方面，虽然交互作用不显著（一般就认为没有交互作用了），但是交互项的存在会使得主效应的估计受到影响，也就是本来主效应是显著的，加了交互项就不显著了。另一方面，我又觉得交互作用虽然不显著，但不代表没有意义，可能只是样本量太少，如果去掉交互项，好像模型设置就不太对了。
下面是我常用的代码：
library(car)
mymod <- lm(Height ~ Age + Sex + Age:Sex, contrasts = list(Sex="contr.sum"), data=mydat)
Anova(mymod, type='III')
