spss之roc曲线

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 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
曲线能很容易地查出任意界限值时的对疾病的识别能力。

2.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。

3.两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
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-off point），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，作图绘成ROC曲线。

曲线评价统计量计算。

ROC曲线下的面积值在和之间。

在AUC＞的情况下，AUC越接近于1，说明诊断效果越好。

AUC在～时有较低准确性，AUC在～时有一定准确性，AUC在以上时有较高准确性。

AUC＝时，说明诊断方法完全不起作用，无诊断价值。

AUC＜不符合真实情况，在实际中极少出现。

3.两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大，利于不同指标间的比较。

曲线下面积可评价诊断准确性。

ROC(Receiver Operating Characteristic)曲线,用于二分类判别效果的分析与评价.一般自变量为连续变量,因变量为二分类变量.
基本原理是:通过判断点(cutoff point/cutoff value)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,判断价值越高.
灵敏度: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假值的概率.
误判率: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/ROC Curve:Test variable选自变量(连续型变量),state varibale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.
under the curve:曲线下方的面积,包括面积值,显著性分析,置信区间.
of the curve: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data view（修改数据的数值）和 variable view（修改数据的类型）之间切换。

2:Analyze—>ROC Curve—>Test Variable(选择你的测试值，可以有多个，本例为test1、test2、和test3的比较，故选择3个值)，State Variable(选择测试结果值，本例为diagnosis) Value State（判断正确的取值，本例为1 ）Disply的选项全选。

在Output窗口可以得到如图所示的曲线。