我有以下模型，并希望按照 Bambor 和 Clark 在本文中的建议对交互效果的解释做一个表格。但是，我不知道如何计算$cov(\hat{\beta_1}, \hat{\beta_5})$在公式。

该模型：

reg <- lm( log(Y) ~ as.factor(X1) +  as.factor(X2) + log(as.numeric(X3)) + log(as.numeric(X4)) + as.factor(X1)*as.factor(X2), data=DB) 

结果：

Residuals:
   Min      1Q  Median      3Q     Max 
 -5.1091 -0.3036  0.0294  0.3396  3.6537 

Coefficients:
                                                Estimate Std. Error t value Pr(>|t|)    
(Intercept)                                     -0.08848    0.09523  -0.929   0.3531    
as.factor(X1)1                                  -0.12795    0.06227  -2.055   0.0402 *  
as.factor(X2)1                                   0.05666    0.06694   0.846   0.3976    
log(as.numeric(X3))                              0.03602    0.02121   1.699   0.0898 .  
log(as.numeric(X4))                              0.97546    0.02671  36.514   <2e-16 ***
as.factor(X1)1:as.factor(X2)1                    0.10733    0.11790   0.910   0.3629    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 0.6729 on 795 degrees of freedom
Multiple R-squared: 0.9161, Adjusted R-squared: 0.9155 
F-statistic:  1735 on 5 and 795 DF,  p-value: < 2.2e-16

公式：

$\sqrt{var(\hat{\beta_1}) + var(\hat{\beta_5}) + 2cov(\hat{\beta_1}\hat{\beta_5})}$