IBM SPSS Statistics 中文网站 > 使用技巧 > spss中roc分析怎么用 spss怎么做roc

spss中roc分析怎么用 spss怎么做roc

发布时间:2022/06/10 19:02:05

品牌型号:联想GeekPro 2020

系统: Windows 10 64位专业版

软件版本: IBM SPSS Statistics

spss中roc分析怎么用,spss的roc分析可使用spss的roc曲线功能,该功能会包含roc曲线及其坐标点、曲线下面积的分析结果,使用起来比较方便。spss怎么做roc分析?本文会结合实际例子演示操作方法。

一、spss中roc分析怎么用

roc分析,全称为receiver operating characteristic,译为受试者工作特征分析,常会与roc曲线一同分析使用。

roc分析常用于分析某个或多个指标对两类结果的诊断效果,其中会涉及到指标的特异性和灵敏度运算,并以此寻找最佳的指标阈值,让指标的分类结果更加准确。另外,结合roc曲线的解读,可根据roc曲线下面积来判断指标的应用价值。

虽然特异性和灵敏度可运算得出,当样本数据较多时,计算起来也会比较繁琐,其实利用spss的roc曲线分析功能,即可轻松获得运算结果。spss的roc曲线分析中会包含roc曲线、特异性和灵敏度等结果,使用起来更为方便。

图1:spss roc曲线
图1:spss roc曲线

 

二、spss怎么做roc

那么,spss怎么做roc分析呢?接下来,我们会使用一组数据具体演示操作方法。

首先,假设有42个样本,其中组别=1的为阳性样本,组别=2的为阴性样本,而“指标1”表示样本的某个测量指标数据,用以研究“指标1”区别样本是阳性,还是阴性的应用价值。

图2:样本数据
图2:样本数据

 

设定假设后,如图3所示,依次单击spss的分析-分类-roc曲线选项。

图3:roc曲线
图3:roc曲线

 

roc分析需要确定“检验变量”与“状态变量”。检验变量,即用于区分两类结果的变量指标。状态变量,即检验变量区分的结果,需设定“状态变量值”,该值为检验肯定的结果。

需要注意的是,“状态变量值”需要与选项中的“检验方向”相对应,否则会出现结果的误读。

在本例中,将“指标1”选入“检验变量”,将“组别”选入“状态变量”,将“状态变量值”设定为1,即阳性结果,用以判断“指标1”对判定阳性结果的应用价值。

在显示中,将“roc曲线”、“带对角参考线”、“标准误差和置信区间”、“roc曲线的坐标点”都勾选上,以提供数值检验结果。

图4:变量设置
图4:变量设置

 

接着,打开“选项”设置,一般保持默认设置即可,需要注意的是,如果在“状态变量值”设定了肯定的结果,比如本例的阳性结果,这里需要对应勾选“较大的检验结果表示更加肯定的检验”。

图5:选项设置
图5:选项设置

 

三、spss roc分析结果怎么看

spss roc分析结果如下,如图6所示,“曲线下方的区域”面积可判断“指标1”的应用价值,区域面积越大,应用价值越大。本例中的区域面积为0.948,位于渐进95%置信区间中(下限为0.875,上限为1.000),说明“指标1”的判别有统计学意义。

图6:曲线下方的区域
图6:曲线下方的区域

 

从图7的roc曲线(由特异性与敏感度构成)也可以看到,曲线下的面积比较大,印证了上述的检验结果。

图7:roc曲线
图7:roc曲线

 

roc曲线对应的曲线坐标点如图8所示,这些坐标点代表不同“指标1”阈值下的敏感度与特异性,通过计算敏感度与特异性的数值可获得最佳的“指标1”阈值,一般就是roc曲线偏左上角的点,即敏感度高,特异性低的点。

图8:特异值与敏感度
图8:特异值与敏感度

 

通过约登指数(敏感度+特异性-1)的计算,可找到最佳的指标阈值,如图9所示,可将上表粘贴到excel表中计算得到约登指数,如图9所示,从结果看到,约登指数最大(0.9)时,敏感度为1,特异性0.9,可获得最大临界值。

图9:约登指数
图9:约登指数

 

四、小结

以上就是关于spss中roc分析怎么用,spss怎么做roc的相关内容。spss中的roc曲线分析,可根据分析结果绘制roc曲线,并计算得出曲线下面积,以及罗列曲线坐标点,用于计算约登指数,以快速判断指标检验肯定结果的准确度。

 

作者:泽洋

SPSS Statistics
云版首发!秒杀只需1分钱!
立即购买
QQ 群
官方交流群:815794396 立即加群
400-8765-888 kefu@makeding.com
热门文章
SPSS数据分析显著性差异分析步骤 SPSS显著性差异分析结果怎么看
数据的显著性差异分析主要有三种方法,分别是卡方检验、T检验和方差分析。这三种方法都有具体的数据要求:卡方检验是对多个类别的数据进行分析,T检验是对两组数据进行分析,方差分析是对多组数据进行检验。下面,小编具体说明一下SPSS数据分析显著性差异分析步骤,SPSS显著性差异分析结果怎么看。
2022-01-07
实践SPSS单因素方差分析之检验结果解读
在《实践SPSS单因素方差分析之变量与检验方法设置》一文中,我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。
2021-01-11
SPSS相关性分析结果怎么看
相关性分析是对变量或个案之间相关度的测量,在SPSS中可以选择三种方法来进行相关性分析:双变量、偏相关和距离。
2021-04-23
spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读
spss多元线性回归分析操作步骤,本文会以客流量、销售量与销售额的线性关系演示spss的多元线性回归分析操作步骤,并进行spss多元线性回归分析结果解读。
2022-05-07
SPSS多元logistic回归分析的使用技巧
回归分析是数据处理中较为常用的一类方法,它可以找出数据变量之间的未知关系,得到较为符合变量关系的数学表达式,以帮助用户完成数据分析。
2021-04-26
spss如何做显著性分析 spss显著性差异分析怎么标abc
在统计分析中,显著性分析是分析相关因素之间是否存在显著影响关系的关键性指标,通过它可以说明分析结论是否由抽样误差引起还是实际相关的,可论证分析结果的准确性。下面大家一起来看看用spss如何做显著性分析,spss显著性差异分析怎么标abc。
2022-03-14
最新文章
1分钱秒杀!云版大数据统计与应用分析解决方案上线
在经历了数个月的悉心筹备后,云版大数据统计与应用分析解决方案终于要和大家见面了!为了让更多人能体验到本服务,我们特别发起了限量1分钱秒杀活动。
2022-11-24
spss缺失值分析步骤 spss缺失值分析结果怎么看
在数据调查过程中,工作人员常常会遇到数据缺失现象。数据缺失分为三类,随机缺失,完全随机缺失,非随机缺失。无论哪种缺失,都可能导致严重的问题,或者大大降低统计的精度。利用IBM SPSS Statistics可以对数据缺失值进行分析,关于SPSS缺失值分析步骤是怎样的,SPSS缺失值分析结果怎么看的问题?本文结合实例,为大家做简单介绍。
2022-11-24
spss标签值不显示 spss标签值乱码
使用IBM SPSS Statistics进行统计分析的过程中,为了工作便利,常常会为变量设置标签。在设置标签过程中,常常会遇到各种问题,如SPSS标签值不显示,SPSS标签值乱码等问题,这些问题产生的根源是什么?如何解决?本文向大家做简单介绍。
2022-11-21
IBM SPSS Statistics云版本登录使用教程
感谢您订阅IBM SPSS Statistics云版本服务,IBM SPSS Statistics云版本是由思杰马克丁+IBM+阿里云联合推出,帮助用户解决短时间使用正版软件的需求,提供周付费、月付费两种购买模式,性价比极高。那么在购买了IBM SPSS Statistics云版本之后,应该如何登陆使用呢,本篇教程就来告诉大家使用方法。
2022-11-23
spss中t值和p值是什么意思 spss中t值和p值的关系
在统计分析过程中,常常会遇到这样的情况:检验两个相关的样本是否来自具有相同均值的总体,就会用到t检验。t检验(Student's t test),主要用于样本含量较小(例如n < 30),总体标准差σ未知的正态分布, t检验是用t分布理论来推论差异发生的概率,从而比较两个平均数的差异是否显著。利用IBM SPSS Statistics统计分析软件进行t检验可以避免繁杂的统计学计算,快速给出结果,供用户分析。SPSS中t值和p值是什么意思,SPSS中t值和p值的关系是什么,本文结合实例,向大家做简单的介绍。
2022-11-16
spss pearson相关性分析步骤 spss pearson相关性分析结果怎么看
Pearson(皮尔逊)相关性指的是联合分布服从二维正态分布的随机变量X,Y之间的简单线性相关关系,X,Y之间的相关关系由简单相关系数r表示。利用IBM SPSS Statistics可以非常快速地完成两个随机变量X,Y间的Pearson(皮尔逊)相关性分析,SPSS Pearson相关性分析步骤是什么,SPSS Pearson相关性分析结果怎么看,本文结合实例,向大家做简单的介绍。
2022-11-14

微信公众号

欢迎加入 SPSS 产品的大家庭,立即扫码关注,获取更多软件动态和资源福利。

读者也喜欢这些内容:

咨询热线

在线咨询

限时折扣