Tôi quan tâm đến việc hiểu rõ hơn về phương pháp delta để tính gần đúng các lỗi tiêu chuẩn của các hiệu ứng cận biên trung bình của mô hình hồi quy bao gồm một thuật ngữ tương tác. Tôi đã xem xét các câu hỏi liên quan theo phương pháp delta nhưng không có câu hỏi nào cung cấp đúng những gì tôi đang tìm kiếm.
Xem xét dữ liệu ví dụ sau đây làm ví dụ tạo động lực:
set.seed(1)
x1 <- rnorm(100)
x2 <- rbinom(100,1,.5)
y <- x1 + x2 + x1*x2 + rnorm(100)
m <- lm(y ~ x1*x2)
Tôi quan tâm đến các hiệu ứng cận biên trung bình (AMEs) x1
và x2
. Để tính toán những điều này, tôi chỉ cần làm như sau:
cf <- summary(m)$coef
me_x1 <- cf['x1',1] + cf['x1:x2',1]*x2 # MEs of x1 given x2
me_x2 <- cf['x2',1] + cf['x1:x2',1]*x1 # MEs of x2 given x1
mean(me_x1) # AME of x1
mean(me_x2) # AME of x2
Nhưng làm cách nào để sử dụng phương thức delta để tính toán các lỗi tiêu chuẩn của các AME này?
Tôi có thể tính SE cho tương tác cụ thể này bằng tay:
v <- vcov(m)
sqrt(v['x1','x1'] + (mean(x2)^2)*v['x1:x2','x1:x2'] + 2*mean(x2)*v['x1','x1:x2'])
Nhưng tôi không hiểu cách sử dụng phương pháp delta.
Lý tưởng nhất là tôi đang tìm kiếm một số hướng dẫn về cách nghĩ về (và mã) phương thức delta cho AME của bất kỳ mô hình hồi quy tùy ý nào. Ví dụ: câu hỏi này cung cấp công thức cho SE cho hiệu ứng tương tác cụ thể và tài liệu này từ Matt Golder cung cấp công thức cho nhiều mô hình tương tác, nhưng tôi muốn hiểu rõ hơn về quy trình chung để tính SEs của AME thay vì công thức cho SE của bất kỳ AME cụ thể.