SPSS实战:多个指标ROC曲线方向不一致的解决办法汇总(收藏)
bigegpt 2025-05-27 12:48 18 浏览
在诊断实验和预测模型的临床效能评价中,我们常常用到ROC曲线分析。在SPSS中绘制ROC曲线操作比较简单,但如果将多个指标的ROC曲线绘制在同一个图中,有时候会碰到有些指标的ROC曲线在对角线上面,一些在对角线下面,面对这样的问题,该如何解决?
如下图这样:指标1的ROC曲线在对角线下方,相应的AUC仅为0.210。
一、如何将指标1的ROC曲线调整到对角线上方
一般而言,我们将指标数值越大,越可能是病例组的指标称为“大优指标”,如上图中的指标2。反之,“小优指标”表示数值越小,越可能是病例组,如上图中的指标1。说白了就是病例组的指标2大于对照组,指标1小于对照组。如果是单指标的ROC曲线,我们可以改变检验方向——勾选“较小的检验结果表示更加肯定的检验”来将指标1的曲线调整到对角线的上方,但这样设置以后指标2又跑到对角线下面了。
1.取倒数法
计算新变量:指标1倒数=1/指标1,然后与指标2同时绘制ROC曲线。
这样两个指标的曲线都在对角线上方了,AUC分别为0.790和0.833。
2.固定值-指标法
同样的方法还有找差值法,指标1差值=固定数-指标1,这里的固定数应大于指标1的最大值,我们选择100。然后同时将指标1差值和指标2绘制在一张图上,AUC分别为0.790和0.833。
3.logistic回归法
分析——回归——二元logistic回归法
在保存选项里勾选概率(P),然后再利用新生成的预测概率(PRE_1)绘制ROC曲线。如下图
会发现,以上三种方法得到的最终结果是一模一样的,AUC均为0.790(95%CI:0.674~0.906)。
二、大小优指标同时存在时,如何找cut-off值?
确定cut-off值时,我们一般将SPSS结果复制到excel中,计算kappa值=敏感度-1-特异度即可,然后筛选-排序即可得出。大优指标正常操作即可,但小优指标则需要用预测概率或者差值或者倒数,再找到指标1的原始结果。当然还有更简单的办法,就是单独做一次小优指标ROC曲线分析,也可以直接得出具体cut-off值。
三、大小优指标同时存在时,如何进行Delong检验?
我们知道两个指标的ROC曲线分析结果对比是否有统计学意义,看谁的诊断价值更大,不能单从AUC的数值大小来看,还要进行Delong检验。
如果直接将大小优指标进行检验,结果显示P=0.000,差异有统计学意义;但将小优指标进行转换后再检验,P=0.624,差异无统计学意义。
所以,在进行Delong检验时,也需要将小优指标进行上述转化,使其多个指标的ROC曲线均在对角线上方,这样才有比较意义。
各位小伙伴有疑问可以在评论区留言,若需联系可扫码添加:
相关推荐
- 方差分析简介(方差分析通俗理解)
-
介绍方差分析(ANOVA,AnalysisofVariance)是一种广泛使用的统计方法,用于比较两个或多个组之间的均值。单因素方差分析是方差分析的一种变体,旨在检测三个或更多分类组的均值是否存在...
- 正如404页面所预示,猴子正成为断网元凶--吧嗒吧嗒真好吃
-
吧嗒吧嗒,绘图:MakiNaro你可以通过加热、冰冻、水淹、模塑、甚至压溃压力来使网络光缆硬化。但用猴子显然是不行的。光缆那新挤压成型的塑料外皮太尼玛诱人了,无法阻挡一场试吃盛宴的举行。印度政府正...
- Python数据可视化:箱线图多种库画法
-
概念箱线图通过数据的四分位数来展示数据的分布情况。例如:数据的中心位置,数据间的离散程度,是否有异常值等。把数据从小到大进行排列并等分成四份,第一分位数(Q1),第二分位数(Q2)和第三分位数(Q3)...
- 多组独立(完全随机设计)样本秩和检验的SPSS操作教程及结果解读
-
作者/风仕在上一期,我们已经讲完了两组独立样本秩和检验的SPSS操作教程及结果解读,这期开始讲多组独立样本秩和检验,我们主要从多组独立样本秩和检验介绍、两组独立样本秩和检验使用条件及案例的SPSS操作...
- 方差分析 in R语言 and Excel(方差分析r语言例题)
-
今天来写一篇实际中比较实用的分析方法,方差分析。通过方差分析,我们可以确定组别之间的差异是否超出了由于随机因素引起的差异范围。方差分析分为单因素方差分析和多因素方差分析,这一篇先介绍一下单因素方差分析...
- 可视化:前端数据可视化插件大盘点 图表/图谱/地图/关系图
-
前端数据可视化插件大盘点图表/图谱/地图/关系图全有在大数据时代,很多时候我们需要在网页中显示数据统计报表,从而能很直观地了解数据的走向,开发人员很多时候需要使用图表来表现一些数据。随着Web技术的...
- matplotlib 必知的 15 个图(matplotlib各种图)
-
施工专题,我已完成20篇,施工系列几乎覆盖Python完整技术栈,目标只总结实践中最实用的东西,直击问题本质,快速帮助读者们入门和进阶:1我的施工计划2数字专题3字符串专题4列表专题5流程控制专题6编...
- R ggplot2常用图表绘制指南(ggplot2绘制折线图)
-
ggplot2是R语言中强大的数据可视化包,基于“图形语法”(GrammarofGraphics),通过分层方式构建图表。以下是常用图表命令的详细指南,涵盖基本语法、常见图表类型及示例,适合...
- Python数据可视化:从Pandas基础到Seaborn高级应用
-
数据可视化是数据分析中不可或缺的一环,它能帮助我们直观理解数据模式和趋势。本文将全面介绍Python中最常用的三种可视化方法。Pandas内置绘图功能Pandas基于Matplotlib提供了简洁的绘...
- Python 数据可视化常用命令备忘录
-
本文提供了一个全面的Python数据可视化备忘单,适用于探索性数据分析(EDA)。该备忘单涵盖了单变量分析、双变量分析、多变量分析、时间序列分析、文本数据分析、可视化定制以及保存与显示等内容。所...
- 统计图的种类(统计图的种类及特点图片)
-
统计图是利用几何图形或具体事物的形象和地图等形式来表现社会经济现象数量特征和数量关系的图形。以下是几种常见的统计图类型及其适用场景:1.条形图(BarChart)条形图是用矩形条的高度或长度来表示...
- 实测,大模型谁更懂数据可视化?(数据可视化和可视化分析的主要模型)
-
大家好,我是Ai学习的老章看论文时,经常看到漂亮的图表,很多不知道是用什么工具绘制的,或者很想复刻类似图表。实测,大模型LaTeX公式识别,出乎预料前文,我用Kimi、Qwen-3-235B...
- 通过AI提示词让Deepseek快速生成各种类型的图表制作
-
在数据分析和可视化领域,图表是传达信息的重要工具。然而,传统图表制作往往需要专业的软件和一定的技术知识。本文将介绍如何通过AI提示词,利用Deepseek快速生成各种类型的图表,包括柱状图、折线图、饼...
- 数据可视化:解析箱线图(box plot)
-
箱线图/盒须图(boxplot)是数据分布的图形表示,由五个摘要组成:最小值、第一四分位数(25th百分位数)、中位数、第三四分位数(75th百分位数)和最大值。箱子代表四分位距(IQR)。IQR是...
- [seaborn] seaborn学习笔记1-箱形图Boxplot
-
1箱形图Boxplot(代码下载)Boxplot可能是最常见的图形类型之一。它能够很好表示数据中的分布规律。箱型图方框的末尾显示了上下四分位数。极线显示最高和最低值,不包括异常值。seaborn中...
- 一周热门
- 最近发表
- 标签列表
-
- mybatiscollection (79)
- mqtt服务器 (88)
- keyerror (78)
- c#map (65)
- xftp6 (83)
- bt搜索 (75)
- c#var (76)
- xcode-select (66)
- mysql授权 (74)
- 下载测试 (70)
- linuxlink (65)
- pythonwget (67)
- androidinclude (65)
- libcrypto.so (74)
- linux安装minio (74)
- ubuntuunzip (67)
- vscode使用技巧 (83)
- secure-file-priv (67)
- vue阻止冒泡 (67)
- jquery跨域 (68)
- php写入文件 (73)
- kafkatools (66)
- mysql导出数据库 (66)
- jquery鼠标移入移出 (71)
- 取小数点后两位的函数 (73)