具有聚类标准误差的多项Logistic预测概率

Question

我想获得多项Logistic回归的预测值（带置信区间）。我知道这可以通过预测来完成，但在我的情况下，我通过以下方式聚集了标准错误：

multinom <- mlogit(Y ~0| X1+ X2 , data)
cl.mlogit   <- function(fm, cluster){
  M <- length(unique(cluster))
  N <- length(cluster)
  K <- length(coefficients(fm))
  dfc <- (M/(M-1))
  uj  <- apply(estfun(fm),2, function(x) tapply(x, cluster, sum));
  vcovCL <- dfc*sandwich(fm, meat.=crossprod(uj)/N)
 coeftest(fm, vcovCL) 
}
cl.mlogit(multinom, data$group)

如何使用这些结果来获得X1 = 1和X2 = 0的预测概率（带置信区间），并将其与X1 = 2和X2 = 0的预测推进度进行比较。另外，我怎么能得到这种差异的置信区间？在stata prvalue可以做到这一点但不知道是否有一种简单的方法在R中执行。）