zuozhaokai
有一组变量脑钠肽(BNP),不知如何用SPSS绘制其预测CAD(冠心病）患者1月内死亡的ROC曲线，及不同BNP浓度（如25%百分位数、中位数、75%百分位数等）预测CAD患者1月内死亡的敏感性及特异性。弄了2天无结果，SPSS的资料无法上传，请感兴趣的大侠不吝赐教，我可通过邮箱给您发过去，帮菜鸟解决一下难题。我的邮箱：zuozhk@sina.com。多谢多谢。
rtist
pls post it to SPSS board.
hyfweb
spss 15.0
To Obtain an ROC Curve
From the menus choose:
Analyze
ROC Curve...
Select one or more test probability variables.
Select one state variable.
Identify the positive value for the state variable.
zuozhaokai
非常感谢楼上两位的指点。在网上搜集了部分资料，和大家共享。
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:1.ROC曲线,可直观地看到曲线形状.
2.Area under the curve:曲线下方的面积,包括面积值,显著性分析,置信区间.
3.Coordinates of the curve:ROC曲线各点对应的灵敏度和误判率.
zuozhaokai
ROC曲线啊，搞得我头大
这几日在做统计，那个ROC曲线，搞得我头都大了，so，从网上找了些高人的指点，恶补一番：
（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。
（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。
（五）SPSS软件实现ROC分析
SPSS 9.0以上版本可进行ROC分析，操作步骤如下：
1.定义列变量，并输入数据
（1）诊断分类值或检测结果（test）：多个诊断试验则定义test1，test2，...
（2）金标准类别（group）：1＝病例组，0＝对照组
（3）分类频数（freq），需要进一步执行第二步
2.说明频数变量 路径：Data\Weight Case..., 选项：Weight case by， 填表：Freqency Variable （freq）
3.ROC分析: 路径：Grahps\Roc Curve... 填表：Test Variable（test）， State Variable （group）， Value of state variable，选项包括：
(display) ROC Curve，with diagonal reference line （机会线）， standard error and confidence interval （面积的标准误，及其可信区间）， Coordinate points of the ROC curve （ROC曲线的坐标点）， options：test direction （如果检测值小划归为阳性，则需要选）， cofidence level （％）：需要除95％以外的可信度，可在此定义
如果是连续型测量资料，则不需要第1步的（3）及第2步
zuozhaokai
如大家需要，我可把spss教程发给需要的，有word格式的，有pdf格式的，但不知如何贴在这里。
wrzmilan
我检测了病人和正常人的一项指标，想做个ROC曲线，请哪位高手发个具体操作的教程，视频最好啦
谢谢！
sunjing
非常谢谢！
十分实用
cqdoudou
zuozhaokai ，麻烦将spss roc 教程发一份给我,cqdoudou@126.com [s:15]
cqdoudou
我正在学习做ROC曲线，我的数据是每批次要做大量数据（1000个样本量）结果出来有真阳性，假阴性，要做30批次，同时还有对照组的假阳性和真阴性，请问如何将下面数据输入到SPSS？
实验组 对照组
实验批次 实验组样本数 阳性（数） 阴性（数） 阳性（数） 阴性（数）
1 10000 120 9880 120 9880
2 10000 150 9850 120 9880
3 10000 140 9860 140 9860
4 10000 130 9870 130 9870
tato27
hetong_007
回复 第11楼 的 tato27：可以参考http://stackoverflow.com/questions/11467855/roc-curve-in-r-using-rocr-package
nan.xiao
distiner
