Thêm hệ số để có được hiệu ứng tương tác - phải làm gì với SE?

Tôi có một hồi quy đa biến, bao gồm các tương tác. Ví dụ, để có được ước tính về hiệu quả điều trị cho nhóm ngũ phân vị nghèo nhất, tôi cần thêm các hệ số từ bộ hồi quy điều trị vào hệ số từ biến tương tác (tương tác giữa điều trị và nhóm ngũ phân vị 1). Khi thêm hai hệ số từ hồi quy, làm thế nào để có được các lỗi tiêu chuẩn? Có thể thêm các lỗi tiêu chuẩn từ hai hệ số không? Còn chỉ số t thì sao? Có thể thêm những thứ này là tốt? Tôi đoán là không nhưng tôi không thể tìm thấy bất kỳ hướng dẫn nào về điều này.

Cảm ơn rất nhiều trước sự giúp đỡ của bạn!

Tôi nghĩ đây là biểu thức cho :$SE_{b_{new}}$

Bạn có thể làm việc với sai số chuẩn mới này để tìm số liệu thống kê thử nghiệm mới của bạn để thử nghiệm $H_o: \beta=0$

Tôi giả sử bạn có nghĩa là 'hồi quy đa biến', không phải 'đa biến'. "Đa biến" đề cập đến việc có nhiều biến phụ thuộc.

Nó không được coi là thực hành thống kê có thể chấp nhận được để có một công cụ dự đoán liên tục và cắt nó thành các khoảng. Điều này sẽ dẫn đến nhiễu loạn dư và sẽ làm cho các tương tác có ý nghĩa sai lệch vì một số tương tác chỉ có thể phản ánh sự thiếu phù hợp (ở đây, thiếu) một số tác động chính. Có rất nhiều biến thể không giải thích được trong các nhóm tinh túy bên ngoài. Thêm vào đó, thực sự không thể giải thích chính xác các "hiệu ứng tinh túy".

Để so sánh lợi ích, dễ nhất là hình dung chúng là sự khác biệt trong các giá trị dự đoán. Dưới đây là một ví dụ sử dụng rmsgói R.

require(rms)
f <- ols(y ~ x1 + rcs(x2,3)*treat)  # or lrm, cph, psm, Rq, Gls, Glm, ...
# This model allows nonlinearity in x2 and interaction between x2 and treat.
# x2 is modeled as two separate restricted cubic spline functions with 3
# knots or join points in common (one function for the reference treatment
# and one function for the difference in curves between the 2 treatments)
contrast(f, list(treat='B', x2=c(.2, .4)),
            list(treat='A', x2=c(.2, .4)))
# Provides a comparison of treatments at 2 values of x2
anova(f) # provides 2 d.f. interaction test and test of whether treatment
# is effective at ANY value of x2 (combined treat main effect + treat x x2
# interaction - this has 3 d.f. here)

$R$$R\beta$$R\hat{V}R^\prime$$\hat{V}$$R$$\chi^2_r$$r$ là số lượng hàng trong ma trận của bạn (giả sử rằng các hàng độc lập tuyến tính).