Bir etkileşim terimi içeren bir regresyon modelinin ortalama marjinal etkilerinin standart hatalarını tahmin etmek için delta yöntemini daha iyi anlamak istiyorum. Delta yöntemi altında ilgili sorulara baktım ama hiçbiri aradığım şeyi sağlamamış.
Motive edici bir örnek olarak aşağıdaki örnek verileri düşünün:
set.seed(1)
x1 <- rnorm(100)
x2 <- rbinom(100,1,.5)
y <- x1 + x2 + x1*x2 + rnorm(100)
m <- lm(y ~ x1*x2)
Ben ortalama marjinal etkilerin (Ames) ilgileniyorum x1
ve x2
. Bunları hesaplamak için şunları yapıyorum:
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
Ancak bu AME'lerin standart hatalarını hesaplamak için delta yöntemini nasıl kullanabilirim?
Bu özel etkileşim için SE'yi elle hesaplayabilirim:
v <- vcov(m)
sqrt(v['x1','x1'] + (mean(x2)^2)*v['x1:x2','x1:x2'] + 2*mean(x2)*v['x1','x1:x2'])
Ama delta yöntemini nasıl kullanacağımı anlamıyorum.
İdeal olarak, herhangi bir keyfi regresyon modelinin AME'leri için delta yöntemi hakkında düşünmek (ve kodlamak) hakkında bazı rehberlik arıyorum. Örneğin, bu soru SE için belirli bir etkileşim etkisi için bir formül sağlar ve Matt Golder'ın bu belgesi çeşitli etkileşimli modeller için formüller sağlar, ancak AME'lerin SE'lerini hesaplamak için genel prosedürü formül yerine daha iyi anlamak istiyorum. herhangi bir AME'nin SE'si.