文档介绍：1/ 5
spss之roc曲线
（一）ROC曲线的概念
受试者工作特征曲线（receiver operator characteristic curve, ROC®线），最初用于评价雷达性能，又称为接收者操作特性曲线。 ROC曲线是根据一系列不
同的二分类方式（分界值或决定阈），以真阳性率（灵敏度）为纵坐标，假阳性率（ 1-特异度）为横坐标绘制的曲线。
传统的诊断试验评价方法有一个共同的特点，必须将试验结果分为两类，
再进行统计分析。ROC曲线的评价方法与传统的评价方法不同，无须此限制，
而是根据实际情况，允许有中间状态，可以把试验结果划分为多个有序分类，
如正常、大致正常、可疑、大致异常和异常五个等级再进行统计分析。因此，
ROC曲线评价方法适用的范围更为广泛。
（二）ROC曲线的主要作用
.ROC曲线能很容易地查出任意界限值时的对疾病的识别能力。
.选择最佳的诊断界限值。ROC曲线越靠近左上角，试验的准确性就越高。最靠近左上角的ROC曲线的点是错误最少的最好阈值，其假阳性和假阴性的总数最少。
.两种或两种以上不同诊断试验对疾病识别能力的比较。在对同一种疾病的
两种或两种以上诊断方法进行比较时，可将各试验的 ROC曲线绘制到同一坐标
中，以直观地鉴别优劣，靠近左上角的 ROC曲线所代表的受试者工作最准确。
亦可通过分别计算各个试验的 ROC曲线下的面积（AUC进行比较，哪一种试验的 AUC最大，则哪一种试验的诊断价值最佳。
（三）ROC曲线分析的主要步骤
.ROC曲线绘制。依据专业知识，对疾病组和参照组测定结果进行分析，确
定测定值的上下限、组距以及截断点（ cut-offpoint ），按选择的组距间隔列出
累积频数分布表，分别计算出所有截断点的敏感性、特异性和假阳性率（ 1-特
异性）。
以敏感性为纵坐标代表真阳性率，（ 1-特异性）为横坐标代表假阳性率，
2/ 5
作图绘成ROC曲线。
.ROC曲线评价统计量计算。ROC曲线下的面积值在
."0 和
0."5之间。在AUC>
0."5的情况下，AUC越接近于1,说明诊断效果越好。AUC在
0."5 〜
0."7时有较低准确性，AUC在
0."7 〜
0."9时有一定准确性，AUC在
0."9 以上时有较高准确性。
AUC=
0."5时，说明诊断方法完全不起作用，无诊断价值。 AUC<
0."5 不符合真实情况，在实际中极少出现。
.两种诊断方法的统计学比较。两种诊断方法的比较时，根据不同的试验设
计可采用以下两种方法：
① 当两种诊断方法分别在不同受试者身上进行时，采用成组比较法。 ② 如果两种诊断方法在同一受试者身上进行时，采用配对比较法。
（四）ROC曲线的优点
该方法简单、直观，通过图示可观察分析方法的临床准确性，并可用肉眼
作出判断。ROC曲线将灵敏度与特异性以图示方法结合在一起，可准确反映某分析方法特异性和敏感性的关系，是试验准确性的综合代表。 ROC曲线不固定
分类界值，允许中间状态存在，利于使用者结合专业知识，权衡漏诊与误诊的
3/ 5
影响，选择一更佳截断点作为诊断参考值。提供不同试验之间在共同标尺下的
直观的比较，ROC曲线越凸越近左上角表明其诊断价值越