混杂变量是与您的回归变量和因变量相关的变量。在某种程度上，第二个预测变量解释了全部或部分因变量，也反映在自变量中。从本质上讲，它们具有共同的品质，这意味着当两者都包括在内时，品质就被过度代表了。

在一个生态系统中，像疾病一样杀死捕食者和猎物的东西正在作用于两者的种群，但与捕食对猎物减少或捕食者生长的影响无关。它混淆了真正的捕食者 - 猎物关系，特别是如果它在物种之间的毒力不成比例。

交互要复杂得多，因为这意味着两个独立的回归器一起工作以创建结果变量。它们不重叠，它们以某种方式合并成一种不仅仅是相加的效果。它们的关系，因为它作用于你的因变量，有时很难弄清楚。

如果您遇到两种蛋白质一起工作以仅通过一条途径在人体中完成某种化学过程的情况。删除一个或另一个会破坏你的模型。尽管如果有其他成分可以为反应创造适当的环境或调节所得产物的存在（如再摄取或转化），则可能难以从模型中准确量化它们的关系。

使用混杂变量时，您通常可以忽略其中一个或另一个并获得更准确的模型（尽管并非总是如此）。通过互动，留下一个或另一个可能会使情况变得更糟。