如何识别Logit GLM中的临界值

Question

为逻辑GLM生产一些数据：

set.seed(123)
x1 = rnorm(2000)           
z = 1 + 3*x1 + 3*exp(x1)         
pr = 1/(1+exp(-z))         
y = rbinom(2000,1,pr)

df = data.frame(y=y,x1=x1)

运行模型：

mod <- glm(y ~ x1,data=df,family=binomial(link=logit))

登录图：

library(visreg)
library(ggplot2)
visreg(mod, 'x1', scale='response', rug=2, gg=TRUE)+
  theme_bw(18)

我需要计算x1的临界值，该临界值定义了y = 1的50％概率。 我想我需要predict函数：

pred <- predict(mod, type = "response")

编辑

按照建议below，我找到了分界线；但是，我想进行ROC分析，以验证其特异性和敏感性。 运行此代码是否足够？

prob=predict(mod,type=c("response"))
df$prob=prob
library(pROC)
g <- roc(y ~ prob, data = df)
plot(g)
g

Answer 1

您可以使用dose.p中的MASS。试试：

library(MASS)
dose.p(mod, p = 0.5)
#               Dose         SE
#p = 0.5: -0.8457261 0.02039277

使用predict，x1[as.numeric(names(pred[round(pred, 2) == 0.5]))]提供x1中接近截止点（最接近百分之一）的点

[1] -0.8497043 -0.8490611 -0.8445834 -0.8468964 -0.8491746