当不同变量中出现交互效应时，可以用这两个变量的乘积作为新的变量，以研究交互效应的影响。

考查要点：本题主要考查对交互效应概念的理解及其处理方法。
核心思路：当两个变量之间存在交互效应时，它们的联合影响不能简单地通过各自单独效应的叠加来解释，而需要用乘积项来建模这种交互作用。
关键点：交互效应的本质是变量间的相互作用，而乘积项能够捕捉这种非独立的影响，是统计分析中常用的方法。

交互效应的定义：
交互效应指两个或多个变量共同作用时产生的效应，这种效应无法通过单独分析每个变量得出。例如，变量A和变量B的交互效应可能表现为“A对结果的影响因B的取值而变化”。

乘积项的作用：
在统计模型（如回归分析）中，通过引入变量的乘积项（如$X_1 \times X_2$），可以量化交互效应的强度。例如，模型形式为：
$Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_1 X_2 + \epsilon$
其中$\beta_3$即表示$X_1$和$X_2$的交互效应。

结论：
题目中“用乘积作为新变量”是正确的方法，符合统计学中处理交互效应的标准操作。