Lojistik regresyondan elde edilen değerler için standart hatalar nasıl hesaplanır?

Bir lojistik regresyon modelinden bir takılan değer tahmin ettiğinizde standart hatalar nasıl hesaplanır? I anlamına monte değerleri (Fishers bilgi matrisi içerir) olup katsayıları için.

Sadece sayıların nasıl alınacağını öğrendim R(örneğin, burada r- help'de veya burada Stack Overflow'ta), ancak formülü bulamıyorum.

pred <- predict(y.glm, newdata= something, se.fit=TRUE)

Çevrimiçi kaynak sağlayabilirseniz (tercihen bir üniversite web sitesinde), bu harika olurdu.

Tahmin, tahmini katsayıların doğrusal bir birleşimidir. Katsayılar asimptotik olarak normaldir, bu yüzden bu katsayıların doğrusal bir kombinasyonu da asimptotik olarak normal olacaktır. Dolayısıyla parametre tahminleri için kovaryans matrisini elde edebilirsek, bu tahminlerin doğrusal bir kombinasyonu için standart hatayı kolayca alabiliriz. Kovaryans matrisini ve doğrusal kombinasyonum için katsayıları bir vektörde olarak , standart hata sadece$\Sigma$$C$$\sqrt{C' \Sigma C}$

# Making fake data and fitting the model and getting a prediction
set.seed(500)
dat <- data.frame(x = runif(20), y = rbinom(20, 1, .5))
o <- glm(y ~ x, data = dat)
pred <- predict(o, newdata = data.frame(x=1.5), se.fit = TRUE)

# To obtain a prediction for x=1.5 I'm really
# asking for yhat = b0 + 1.5*b1 so my
# C = c(1, 1.5)
# and vcov applied to the glm object gives me
# the covariance matrix for the estimates
C <- c(1, 1.5)
std.er <- sqrt(t(C) %*% vcov(o) %*% C)

> pred$se.fit
[1] 0.4246289
> std.er
          [,1]
[1,] 0.4246289

Gösterdiğim 'el ile' yönteminin, bildirildiği gibi aynı standart hatayı verdiğini görüyoruz. predict