利用spssau绘制ROC曲线.docx

ROC曲线
ROC曲线，也称受试者工作特征曲线，感受性曲线；ROC曲线最初是运用在军事 上，当前在医学领域使用非常广泛，用于研究X对于Y的预测准确率情况。
雷达兵的任务在于监视雷达，观察是否有敌机来袭，当然如果有飞鸟来袭，也会出 现信号= :说明完全无预测诊断价值，预测准确率和猜测效果一样；
<AUC< :预测诊断价值很低，此种情况相对较常见；
<=AUC< :预测诊断价值高，此种情况较常见；
AUC>=:说明预测诊断价值高，此种情况较好；
AUC = 1，是完美预测没有瑕疵，绝大多数情况下，不存在完美的预测诊断。
特别提示:
，通常原因在于“阳性”和“阴性”的区分有问题，SPSSAU 以大于等于切割点作为“阳性”，小于切割点作为“阴性”，默认切割点为数字1。请确 认设置是否有问题，如果“阳性”或“阴性”设置有误，可重新设置，或者重新上传正 确的数据。
针对ROC曲线的X （检验变量）和Y （状态变量）的进一步说明，X（检验变量）和
Y （状态变量）可为任意数据类型（定量和定类数据均可）；有以下两点需要特别提示:
可能问题原因
可能“异常”结果
X （检验变量）为定类数据
ROC曲线的拆线会很少
Y （状态变量）金标准设置，即切割点设
置有误

3操作
本案例研究产妇年龄，产妇体重这两项对于“低出生体重儿”的预测准确率，针对 “低出生体重儿”列，数字1表示低出生体重儿，0表示不是低出生体重。数字1表示 “阳性”，数字0表示“阴性”，因此切割点设置为1，SPSSAU操作截图如下：
4 SPSSAU输出结果
分析样本处理
低出生体:重儿
频数
百分比
阳性
130
%
阴性
59
%
总计
189
100%
从上表可知，针对产妇年龄，产妇体重共2项构造ROC曲线，用于判断其对于“低 出生体重儿”的诊断预测价值，首先进行“金标准”的设置。以数字1作为切割点，1 及以上为阳性，1以下作为阴性。最终从上表可可以看出：阳性（此处即为“低出生体 重儿”）%，阴性（此处即为“非低出生体重儿”）%。
ROC结果AUC汇总
标题
AUC
标准误
P
95%CI(L)
95%CI(U)
产妇年龄





产妇体重


*


* p< **p<
从上表可知，针对产妇年龄，产妇体重共2项构造ROC曲线，用于判断它们对于 低出生体重儿的诊断价值，从上表可以看出：
,意味着产妇年龄对于低出生体重儿的诊断价值比
较低。,（P=<）
，但诊断价值依旧比较低。
总结可知：产妇年龄，，意味着它们对 于低出生体重儿的诊断价值较低。
ROC最佳界值结果
标题
AUC
最佳界值