手机版 下载桌面 设为首页

SPSS:ROC曲线分析过程及结果解读

  SPSS:ROC曲线分析过程及结果解读

  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。

  其自变量(检验项目)一般为连续性变量,因变量(金标准)一般为二分类变量。

  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。

  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、实例操作

  腺苷脱氨酶(ADA)对结核性浆膜腔积液的鉴别有很好的意义。一项研究选择了40例腹水患者,其中确诊结核性腹水20例,肿瘤性性腹水20例,测定腹水ADA,研究目的是确定ADA诊断结核的界值。

  数据变量如下:

  group:1为结核,2为肿瘤

  ADA:为腹水ADA值,连续变量

  变量视图:

SPSS学习笔记之——ROC曲线

  选择菜单:

SPSS学习笔记之——ROC曲线

  进入主对话框,设置如下:

SPSS学习笔记之——ROC曲线

  点击确定输出结果。

  四、结果解读

SPSS学习笔记之——ROC曲线

  这就是ROC曲线,对角线为参考线。双击图标可进入编辑状态。

SPSS学习笔记之——ROC曲线

  这是对ROC曲线下面积的检验,曲线下面积为0.792,P=0.002,有统计学意义,说明ADA对结核的诊断有意义。曲线下面积越大,说明该项检验的诊断效能越大。

SPSS学习笔记之——ROC曲线

  这是曲线的坐标点,以及相应的敏感性,1-特异性。

  如何确定最佳界值

  除非特别指明,最佳界值的确定常用“尤登指数”,即敏感性+特异性-1,该指数值的取最大值处就是最佳的界值。

  利用上表“曲线的坐标”,可以求得各个坐标点敏感性+特异性-1的值,其最大值对应的就是最佳界值。

分类标签:SPSS  ROC曲线  

声明:本文转载仅出于学习和传播信息所需,并不意味着代表本站观点或证实其内容的真实性;其他网站或个人转载使用须保留本站所注“来源”,并自负相关法律责任;如作者不希望被转载或其他事宜,请及时联系我们!