文档介绍：spss之roc曲线
（—）ROC曲线的概念
受试者工作特征曲线（receiveroperatorcharacteristiccurve,ROC曲线），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—系列不同的二分类方法在同一受试者身上进行时，采用配对比较法。
R0C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。R0C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。R0C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,R0C曲线越凸越近左上角表明其诊断价值越大，利于不同指标间的比较。曲线下面积可评价诊断准确性。
R0C(Receiver0peratingCharacteristic)曲线，,因变量为二分类变量.
基本原理是:通过判断点(cutoffpoint/cutoffvalue)的移动，获得多对灵敏度
（sensitivity）和误判率（1-Specificity（特异度）），以灵敏度为纵轴，以误判率
为横轴,连接各点绘制曲线,然后计算曲线下的面积,面积越大,:就是把实际为真值的判断为真值的概率.
特异度::就是把实际为假值的判断为真值的概率，其值等于1-特异度.
将绘成的曲线与斜45度的直线对比，若差不多重合，说明自变量对因变量的判断
价值很差，若越远离斜45度的直线即曲线下的面积越大，说明自变量对因变量的判断价值越好，即根据自变量可以较为正确的判断因变量.
使用SPSS的操作过程如下：
Graphs/ROCCurve:Testvariable选自变量（连续型变量），statevaribale选因
变量（二分类变量）display的选项一般全选.
运行结果:曲线，可直观地看到曲线形状.
underthecurve:曲线下方的面积，包括面积值，显著性分析，置信区间.
ofthecurve:ROC曲线各点对应的灵敏度和误判率.
一般来说，如不做特殊考虑，一般以约登指数最大，即使（灵敏度＋特异度－1）达到最大所对应的值为最佳诊断界值。
可以把SPSS求出的所有界点的灵敏度和特异度导出为EXCEL格式，然后求出所
有界点的（灵敏度＋特异度）的值，找出最大值，其所对应的诊断指标的值即为最佳诊断界值。这是目前国内文献用得最多的求最佳诊断界值的方法。求出最佳诊断界值后，还可以反过来根据该最佳诊断界值求出诊断指标的特异度和灵敏度，以验证该最佳诊断界值的诊断效果。
作图结果：（只能进行ROC曲线下面积AUC的非参数估计，以及找出最佳工作点,使用该软件的感觉有点像matlab，有两个窗口，个人感觉该软件功能很强大，只是软件的下载很费事，要下载相应的算号器。在安装的过程中，使用算号器破解。）
1：建立数据表（File—>new—>data）输入数据，数据表的界面如图二，可以在dataview（修改数据的数值）和variableview（修改数据的类型）之间切换。
Si*1dataforRO