SPSSAU_可视化_Roc曲线SPSSAU数据分析.pdf

SPSSAU-在线SPSS分析软件

SPSS教程SPSS分析ROC曲线ROCAUCROC曲线下面积AUC比较SPSSAU

ROC曲线

ROC曲线，也称受试者工作特征曲线，感受性曲线；ROC曲线最初是运用在军事

上，当前在医学领域使用非常广泛，用于研究X对于Y的预测准确率情况。

雷达兵的任务在于监视雷达，观察是否有敌机来袭，当然如果有飞鸟来袭，也会出

现信号，如果过于谨慎有信号就报告，会增加误报风险，但如果过于大胆，凡是信号都

认为是飞鸟这会出现很大风险。ROC曲线正是解决此类问题，即用于尽最大可能研究敌

机信号和飞鸟信号之间的区别，以增加预报准确性。核心在于研究漏报和误报之间的概

率分布情况，横坐标表示飞鸟信息不报告的概率，纵坐标表示敌机信息报告的概率即正

确报告的概率，将对应的点连成曲线，这条曲线就是ROC曲线。

专业上称横坐标X轴为1–特异性（特异性指飞鸟信息但不报告的概率，1-特

异性即为飞鸟信息报告的概率即误报率）；纵坐标Y轴称为敏感度，即敌机信息进行报

告的概率。

横坐标X轴越小，意味着误报率越低；纵坐标Y轴越大，意味着敏感度越高。因

而ROC曲线越靠左上角，意味着误报率（特异性）越低，并且敏感度越高（即正确报

告的概率越高）。ROC曲线下面可以计算面积，即称为AUC，该值表示预测准确性，

AUC值越高说明预测准确率越高，反之越小说明预测准确率越低。

ROC曲线最初运用于军事上，当前ROC曲线在医学领域有着广泛的使用。医学上

更多称为“阳性”（比如敌机）或“阴性”（比如飞鸟），对应着X轴即1-特异性也称为

假阳性率（误报率），该值越小越好；Y轴敏感度也称为真阳性率（敏感度），该值越大

越好。

关于ROC曲线涉及的几个术语名词进行概括如下：

名词说明

特异性阴性人群中，检测出阴性的几率。也称真阴性率。

1–特异性阴性人群中，检测为阳率的几率。也称假阳性率。（误报率）

敏感度阳性人群中，检测出阳性的几率。也称真阳性率。（敏感度）

假阴性率阳性人群中，检测为阴性的几率，也称假阴性率。

SPSSAU-在线SPSS分析软件

ROC曲线以1-特异性（误报率）为X轴，敏感度为Y轴，绘制的曲线。

AUCROC曲线下的面积，表示预测准确率。越大越好。

由于在医学“金标准”中，关注点在于“阳性”，因而更多关注于特异性和敏感度指

标。而ROC曲线正是以1-特异性为X轴，以特异性作为Y轴而建立的拆线图。

特别提示：软件并不知道状态变量是什么，因而需要进行设置，即通过切割点进行

设置，等于切割点为“阳性”，不等于切割点为“阴性”。默认切割点为数字1（即等于

数字1为“阳性”，其它为“阴性”），此处通常情况下需要进行设置。

SPSSAU操作示例如下：

SPSSAU-在线SPSS分析软件

ROC曲线案例

Contents

1背景3

2理论3

3操作4

4SPSSAU输出结果5

5文字分析7

6剖析8

1背景

当前进行一项影响“低出生体重儿”的研究，希望研究产妇年龄，产妇体重对于“低

出生体重儿”的预测准确率。针对“低出生体重儿”列，数字1表示低出生体重儿，0

表示不是低出生体重。此处“低出生体重儿”默认为两类，1代表“阳性”，0代表“阴

性”，即“金标准”为1。数据格式如下：

备注：非真实收集数据仅作案例使用

2理论

ROC曲线当前在医学领域使用非常广泛，用于研究X（检验变量）对于Y（状态变

量）的预测准确率情况。比如本案例中产妇年龄，产妇体重这两项对于“低出生体重儿”

的预测准确率。此处两个X分别是产妇年龄，产妇体重；Y为“低出生体重儿”。Y需

要进行“金标准”设置，即告诉SPSSAU