SPSS | ROC曲线分析
发布网友
发布时间：2024-08-19 07:36
共1个回答
热心网友
时间：2024-08-29 08:14
ROC曲线，作为评估诊断方法效力的重要工具，其曲线下面积越高，代表方法的诊断价值越高。让我们通过实际操作来理解其在数据分析中的应用，包括cutoff值选择和性能指标评估。
首先，进入SPSS，选择【分析】>【ROC曲线图】，将‘AFP’浓度测值导入【检验变量】，并将‘status’标记为【状态变量】（值设为1）。勾选输出选项，点击【确定】，即可生成ROC曲线。
查看分析结果在【输出文档】中，如表1所示，"正的"样本有99例，"负的"样本有100例，清楚地展示了样本分布。
接着，将表4中的数据导入Excel，计算尤登值，其公式为SE（敏感度）+ SP（特异性）-1。找到尤登值最大时的cutoff值，例如在本例中，cutoff值为26.85，SE=0.727，SP=0.690。利用这个值，重新分类199例样本，便于对比和诊断。
根据混淆矩阵，特异性（SP）为69.00%，它衡量了方法检测结果的特异性，即避免误判的能力。对于一致性评估，你可以运用之前学习的Kappa分析，与病理诊断结果进行比较，这部分就不再赘述。
