R中的差异差分方法，非线性回归

Question

我是R新手。

我正在处理一些CPS数据，以评估随着政策的实施，有子女的单身女性的劳动力参与情况如何发生变化。

以下是我的probit()函数，没有任何其他说明：

probit_1 <- glm(lfp ~ anykids + post_arra + kids_x_arra, family=binomial(link = "probit"), data=Mcps_s)
summary(probit_1)

其中anykids是一个二进制变量，如果单身女性有孩子，则等于1，否则为0。 post_arra是另一个二进制变量，如果该时间段在策略实施之后，则等于1；在策略实施之前，等于0。

现在，我使用predict()来查看我的治疗和对照组的劳动力供应如何响应政策实施。

# this is for treatment group response

prediction1 <- predict(probit_1, newdata=data.frame("anykids" = 1,
                                               "post_arra" = c(0,1),
                                               "kids_x_arra" = c(0,1)),
                  se.fit=TRUE,
                  type = "response")

和

# this is for control group

prediction2 <- predict(probit_1, newdata=data.frame("anykids" = 0,
                                               "post_arra" = c(0,1),
                                               "kids_x_arra" = c(0,1)),
                  se.fit=TRUE,
                  type = "response")

这给了我带有标准误差的预测值。

所以现在有两个问题：

1. 我想将ARRA之前的劳动力参与率与ARRA以后的劳动力参与率不同，这是我的第一个差异。但是如何找到它的标准误差？

2. 差异后，我想将对照组的第一个差异值与治疗组的差异进行比较，这使我获得了差异值。再次，我不知道如何计算标准误以使估计有意义。

我附上了快照，以补充我的解释。由于汇总统计信息，我知道如何计算列（I）和（II）中的标准误差。但是我要关注第III栏和第IV栏的SE。

如果您对此有任何想法，请告诉我！

感谢您阅读我的文章。