R logistic回归中不同因素的致死剂量（LD50）

我有一个逻辑回归模型，包含一个连续变量和一个具有不同水平/因素的定性变量。有没有办法计算每个因素的LD50

library(dplyr)
library(ggeffects)
library(MASS)

# Produce a table with data
set.seed(321)

x1 <- rnorm(400)
x2 <- 3*x1^3 + 2*x1^2 + x1 + 1
x3 <- 1/(1 + exp(-x2))
x4 = rbinom(400, 1, x3) 

dt <- tibble(binary = x4,
             continuous = x1,
             qualitative = sample(c("white", "pink", "lime"), 400, TRUE))

# Logistic model
mdl <- glm(binary ~ continuous + qualitative, family = "binomial", data = dt)

# Calculate LD50, which gives the lethal dose for the whole model
dose.p(mdl) # -0.58 ± 0.11 se

# Plot regression model by factor of the qualitative variable
newdat <- ggpredict(mdl, terms = c("continuous[all]", "qualitative"))
plot(newdat)

库（dplyr）
图书馆（ggeffects）
图书馆（弥撒）
#生成包含数据的表
种子集（321）
x1以下内容适用于每个因素的二进制与连续模型，并得出LD50和SE：

get_LD50 = function(fit){
   data.frame(
   LD50 = dose.p(fit)[1],
   SE = attributes(dose.p(fit))$SE[,1]
   )
}

dt %>% group_by(qualitative) %>% 
do(get_LD50(glm(binary ~ continuous, family = "binomial", data = .)))

# A tibble: 3 x 3
# Groups:   qualitative [3]
  qualitative   LD50    SE
  <chr>        <dbl> <dbl>
1 lime        -0.578 0.115
2 pink        -0.479 0.104
3 white       -0.392 0.116

get_LD50=功能（fit）{
数据帧(
LD50=剂量p（适合）[1]，
SE=属性（剂量p（适合））$SE[，1]
)
}
dt%>%分组依据（定性）%>%
do（获取LD50（glm（二进制连续，family=“二项式”，data=））
#一个tibble:3x3
#分组：定性[3]
定性LD50 SE
1石灰-0.578 0.115
2粉红色-0.479 0.104
3白色-0.392 0.116

如果您在统计方面需要更复杂的东西，您必须澄清
谢谢您的同事。这看起来是个好办法。但是，我应该提到（对不起，是我的错！）连续变量在实际数据中只取正值。当我应用你的函数时，有两个LD50值是负值，这是不可解释的，从生态学角度讲，连续变量不能为负值。恐怕这与我的解决方案无关。我只使用质量中的dose.p函数，该函数根据拟合计算ld50。如果你得到的ld50没有意义，可能是因为不合适，或者你的数据需要清理。这两个问题都超出了这个问题的范围，或者我担心是这样。如果您查看提供的示例u，则计算的ld50是正确的。