Una pequeña queja
'Ahora muchos ejemplos de libros de texto me dicen que si hay un efecto significativo de la interacción, los efectos principales no pueden ser interpretados'
Espero que no sea cierto. Deberían decir que si hay un término de interacción, digamos entre X y Z llamado XZ, entonces la interpretación de los coeficientes individuales para X y para Z no puede interpretarse de la misma manera que si XZ no estuviera presente. Definitivamente puedes interpretarlo.
Pregunta 2
Si la interacción tiene sentido teórico, entonces no hay razón para no dejarla, a menos que las preocupaciones por la eficiencia estadística por alguna razón anulen las preocupaciones sobre la especificación errónea y permitan que su teoría y su modelo diverjan.
Dado que lo ha dejado, entonces interprete su modelo usando efectos marginales de la misma manera que si la interacción fuera significativa. Como referencia, incluyo un enlace a Brambor, Clark y Golder (2006) que explican cómo interpretar los modelos de interacción y cómo evitar las trampas comunes.
Piénselo de esta manera: a menudo tiene variables de control en un modelo que resultan no ser significativas, pero no las elimina (o no debería) cortarlas a la primera señal de estrellas faltantes.
Pregunta 1
¿Se pregunta si puede "concluir que los dos predictores tienen un efecto en la respuesta"? Aparentemente puedes, pero también puedes hacerlo mejor. Para el modelo con el término de interacción, puede informar qué efecto tienen realmente los dos predictores sobre la variable dependiente (efectos marginales) de manera indiferente a si la interacción es significativa o incluso está presente en el modelo.
La línea de fondo
Si elimina la interacción, volverá a especificar el modelo. Esto puede ser algo razonable por muchas razones, algunas teóricas y otras estadísticas, pero facilitar la interpretación de los coeficientes no es una de ellas.