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