如何利用SPSS绘制ROC曲线

方法/步骤

1

首先，打开数据，以A2列数据为例做曲线。

2

点击“   Analyze -ROC curve ”。

3

弹出界面后，导入A2列数据，调节其它参数。

4

点击“OK”，出现结果。

5

双击ROC曲线，进入调节界面。

6

可以调节很多参数，也可以把曲线调成平滑的。很方便实用吧！

（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
1.roc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
1.roc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。
2.roc曲线评价统计量计算。roc曲线下的面积值在1.0和0.5之间。在auc＞0.5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。auc＜0.5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。
使用spss的操作过程如下:对于较低spss版本
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.较高的spss版本analyze
-roc
curve

SPSS中有ROC的专门分析模块。