ROC曲线分析教程

ROCROC曲线曲线分析教程分析教程ROCROC曲线曲线分析教程分析教程[e-mail]@biotree.cn曲线简介受试者工作特征曲线，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。ROC曲线下的面积值在1.0和0.5之间。在ROC曲线下的面积值在1.0和0.5之间。在AUC0.5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0709时有定准确性AUC在09以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。222.0软件采用Spss22.0，导入数据，sample是样本名称，Group是分类变量，后面的是观测变量（可以是差异化合物，临床指标，也可以是模型的预测值等）322.0单个观察变量ROC分析步骤：422.0单个观察变量ROC分析结果：曲線下的區域測試結果變數Ypredictivel測試結果變數:value區域圖標準錯誤a漸進顯著性b漸進95%信賴區間下限上限.948.035.000.8801.000a在非參數式假設下a.在非參數式假設下b.空值假設：true區域=0.5522.0多个观察变量ROC分析步骤：622.0多个观察变量ROC分析结果：是不是有些小伙伴做出来的图是反的？那是因为你在上一步没有将状态变量的值设为0的缘故为何是设为而不是呢这是因为我们的数据没有做逻辑回归的缘故继续往下看7呢？这是因为我们的数据没有做逻辑回归的缘故，继续往下看！ROC曲线分析步骤-SPSS22.0如何将多个指标同时纳入诊断体系呢（多变量观察值）？：首先要做一个逻辑回归（LogisticRegression）：点二元LogisticRegression-设置因变量和协变量-点保存-勾选概率预测值-点继续-点回归窗口的确定822.0回到表格，你会发现多了一列PRE-1，就是我们要的逻辑回归以后的数据：利用这一列数据做的ROC曲线就是XT1和XT2两个变量的综合了，具体做法参考单个观察变量ROC的做法。922.0多变量观察值ROC分析结果：大家是不是很惊奇的发现PRE-1做出来的结果和之前Ypredictivevalue做出来的结果一模一样，这绝对不是巧合，我能告诉大家的是Ypredictivevalue是PLS-DA的Y变量预测值，而XT1和XT2正是PLS-DAX变量第一主成分和第二主成分的预测值，个中原因大家细细品味吧10