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 4 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
- 机器学习分类模型评估(三)-F值(F-Measure)、AUC、P-R曲线
-
概述上二篇文章分别讲述了准确率(accuracy)、精确率(Precision)、查准类、召回率(Recall)、查全率、ROC曲线，本文讲述机器学习分类模型评估中的F值(F-Measure)、AUC...
- SPSS ROC曲线诊断临界值确定
-
ROC曲线是在临床医学和流行病学研究中一种常用的在诊断试验、预测模型中用于决定最佳临界点的方法。ROC曲线用真阳性率和假阳性率作图得出曲线，其横轴表示假阳性率（1-特异度），纵轴表示真阳性率（灵敏度）...
- 分类器模型检测--ROC曲线和AUC值
-
在监督学习建模中有一个重要的模块是模块的检测，就是怎样判断一个模型的好坏？那么常用的的检测的指标有P值、R值、F值、ROC曲线、AUC值等，今天来学习他们都是怎么来的，有什么用处。这里为二分类问题，即...
- 【Python机器学习系列】建立梯度提升模型预测心脏疾病
-
这是Python机器学习系列原创文章，我的第204篇原创文章。一、引言对于表格数据，一套完整的机器学习建模流程如下：针对不同的数据集，有些步骤不适用即不需要做，其中橘红色框为必要步骤，由于数据质量较高...
- 如何Keras自动编码器给极端罕见事件分类
-
全文共7940字，预计学习时长30分钟或更长本文将以一家造纸厂的生产为例，介绍如何使用自动编码器构建罕见事件分类器。现实生活中罕见事件的数据集：背景1.什么是极端罕见事件？在罕见事件问题中，数据集是...
- 机器学习分类问题:9个常用的评估指标总结
-
对机器学习的评估度量是机器学习核心部分，本文总结分类问题常用的metrics分类问题评估指标在这里，将讨论可用于评估分类问题预测的各种性能指标1ConfusionMatrix这是衡量分类问题性能的...
- 基于R语言的ROC曲线绘制及最佳阈值点(Cutoff)选择
-
ROC曲线在介绍ROC曲线之前，我们首先需要介绍混淆矩阵(ConfusionMatrix)。在统计分类模型的评估过程中分别统计分类模型归错类，归对类的观测值个数，然后把结果放在一个表里展示出来的表格...
- R数据分析:多分类问题预测模型的ROC做法及解释
-
有同学做了个多分类的预测模型，结局有三个类别，做的模型包括多分类逻辑回归、随机森林和决策树，多分类逻辑回归是用ROC曲线并报告AUC作为模型评估的，后面两种模型报告了混淆矩阵，审稿人就提出要统一模型评...
- SPSS实战:多个指标ROC曲线方向不一致的解决办法汇总(收藏)
-
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...
- 小果教你快速分析ROC生存曲线图
-
尔云间一个专门做科研的团队原创小果生信果小伙伴们，大家好呀，很高兴和大家见面，前段时间应小伙伴出的解读ROC曲线图，小伙伴反应很是积极，这不最近小伙伴对于不同年份的ROC曲线图的分析呼声很高，...
- 生信文章中高频出现、模型评估必备分析——ROC曲线图，怎么看?
-
尔云间一个专门做科研的团队关注我们做了生信分析，拿到一堆数据，看不懂图怎么办？火山图、热图、散点图、箱线图、瀑布图···这么多类型的图都咋看？风险模型预后评估图、GO-KEGG富集分析图、GSEA...
- 如何看懂文献里那些图——ROC曲线图
-
ROC曲线的基本思想是把敏感度和特异性看作一个连续变化的过程，用一条曲线描述诊断系统的性能，其制作原理是在连续变量中不同界值点处计算相对应的灵敏度和特异度，然后以敏感度为纵坐标、1-特异性为横坐标绘制...
- 超强，必会的机器学习评估指标
-
大侠幸会，在下全网同名[算法金]0基础转AI上岸，多个算法赛Top[日更万日，让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能，这是通过使用验证指标来完成的。选择正确的验证指...
- 准确性检验 (ROC曲线)的SPSS操作教程及结果解读
-
作者/风仕在上一期，我们已经讲完了诊断试验的基础知识，这期开始讲准确性检验(ROC曲线)，我们主要从准确性检验(ROC曲线)的介绍、基本概念、绘制原理、统计量、使用条件及案例的SPSS操作演示这几...
- SPSS:ROC 曲线为什么反了?
-
【作者介绍】李志辉，长期从事各类统计软件应用研究，主编或参编SPSS、MINITAB、STATISTICA多个统计软件教材共8本。代表作：电子工业出版社《SPSS常用统计分析教程(SPSS22.0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)
- resize函数 (64)
- xftp6 (83)
- bt搜索 (75)
- c#var (76)
- mybatis大于等于 (64)
- xcode-select (66)
- mysql授权 (74)
- 下载测试 (70)
- skip-name-resolve (63)
- linuxlink (65)
- httperror403.14-forbidden (63)
- logstashinput (65)
- hadoop端口 (65)
- vue阻止冒泡 (67)
- oracle时间戳转换日期 (64)
- 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)