在您提出的问题中，X为核心自变量，Z为调节变量。模型从Y = a + bX变为包含交互项的模型：Y = a + b1*X + b2*Z + c*(X * Z)。

当b原本为负数时，这意味着X与Y的关系是负相关的。但当你加入调节变量Z和交互项后，b1（新的X系数）变成了正数，并且c也是正的，这似乎改变了X对Y的作用方向。但实际上，这是由调节效应引起的，需要结合b1、c以及Z的具体值进行解释。

在这个新模型中：

- b1表示在没有与Z的交互作用时，X单独对Y的影响。
- c表示当Z每增加一单位时，X对Y影响的变化量（即调节效应）。
  
如果b1为正且c也为正，则可以这样理解：当Z取值较低时，X对Y的直接效果较小；但随着Z值的增加，在调节作用下，X与Y之间的关系变得更加强烈和正面。这意味着在Z的不同水平上，X对Y的影响会有所不同，并非单纯改变了方向。

对于关注b1符号的问题：

- b1确实可以反映当忽略交互效应时X对Y的基础影响。
- 理想情况下，如果b为负且加入调节变量后b1变为正，则表明Z的引入使原本负面的关系转变为正面。但这并不意味着原分析或模型构建上存在错误，而是揭示了在不同条件（即Z的不同水平）下，变量间关系的复杂性。

因此，在解释结果时：

- 既要关注c系数符号，以理解调节效应的存在及方向。
- 同样也要结合b1的符号和具体数值来全面分析X对Y的影响及其随Z变化的趋势。这需要根据实际情况进行细致解读，并非仅仅“荒谬”或只看单一参数就能下结论。

综上所述，在多元回归分析中，理解调节效应时需综合考虑所有相关系数的符号与大小，才能正确解释变量间复杂关系的变化模式。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用