这很正常啊，说明结果并不是单纯受A影响，而是由AB共同作用的结果。没有具体的结果和内容，我也不知道怎么解释
y is positively correlated to a but negatively correlated to b. when add interaction term, a shows no significance but the interaction term is negatively correlated with y. then it indicates that given condition a / for a types of y, increase of b -> decrease of y.

谢谢回复。
我用逐步回归先让变量A进入模型，系数显著且为负；然后让交互项变量A*变量B进入模型，交互项系数显著为负，但是变量A的系数不再显著了。
该如何解释变量A的系数不显著的原因呢？
我尝试着将样本按照变量B的不同水平分成两部分：大于变量B平均值一个标准差的样本1和小于变量B平均值一个标准差的样本2，发现样本1里面变量A的系数显著为负，样本2里面变量A的系数显著为正。是否可以说明由于A在B的不同水平上呈相反的作用，所以交互项引入后掩盖了A的主效应呢？
第一次遇到这种情况，总感觉这样解释很牵强，不够直观。。。

这就是说明A不是影响因素，而是A*B，即共同作用

谢谢回复。
共同作用啊，但是我的假设部分包括A起负向作用，交互项A*B也会起作用的。。。
会不会是因为交互项的负向作用掩盖了A的负向作用？（析因实验里面有交互效应掩盖或者歪曲主效应的说法）

我对你的assumption，regression一无所知，所以不确定是否如你所说。不行就做几个robust看看，或者添加其他的interaction。