马克威ROC曲线

马克威操作说明

（1）现用A、B两种技术检测病人血清钠水平，想了解血清中的钠元素含量对洛基山猩红热（RMSF）是否有诊断作用，以及哪种检测技术更准确。共45例病人，一组确诊患病，另一组没有患该病，但也有发热、头痛有虫蚊叮咬史。（数据来源于Altman（1991），Gehlbach（1998））。

数据文件中sodium1和sodium2分别代表两种技术检测出来的血钠水平，fever代表是否患RMSF，1为患病，0为不患病。以数据文件“马克威通用数据1.mkw”为例，演示ROC曲线的操作。

首先，在工作区内，打开建模分析工作流：“数据制图”→“ROC曲线”，接着选择数据源，然后设置算法参数，最后双击运行按钮。

其中各类参数的含义为：

检测结果变量：选入代表诊断试验检测结果的变量，可以选入多个。

分类结果变量取值：其中输入分类结果变量的一个取值，该值对应的类别为阳性。

分类：

阳性分类包括分界点：即位于分界点的值也认为是显阳性的。

阳性分类不包括分界点：即位于分界点的值不认为是显阳性的。

检验的方向：

检验结果数值越大，越趋向于阳性：即检验结果数值越大，越趋向于纵轴（因为ROC曲线以敏感度（真阳性率）为纵坐标）。

检验结果数值越小，越趋近阴性：即检验结果数值越大，越趋向于横轴（因为ROC曲线以1-特异度(假阳性率)为横坐标）。

显示：设置结果输出结果选项。

ROC曲线：要求生成ROC曲线，为系统的默认项。

添加对角线：在生成ROC曲线的时候添加对角参照线。

参数设置如下所示，监测结果变量选择“sodium1”、“sodium2”，分类结果变量为“fever”，ROC曲线“添加对角参照线”：

（2）输出结果

ROC曲线：

（3）结果说明

从ROC结果图中可以看到第一种方法的曲线总是高于第二种方法，因为ROC曲线具有“更外面的、离对角线更远的曲线，其灵敏度和特异度均高于里面的、离对角线更近的曲线”的特征，我们可以初步判断第一种方法优于第二种方法。

输入变量类型：数值型，如整型、浮点型、布尔型

ROC曲线用于评价一个或几个试验的诊断价值是否良好，也可以判断一个分类效果的好坏；观察曲线下面的面积，确定结果的准确度高低。

ROC曲线的纵坐标为敏感度(真阳性率)，横坐标为1-特异度(假阳性率)。ROC曲线下面积越大，诊断的准确度越高，ROC曲线下面积越接近0.5，诊断的准确度越差。

输出结果：

ROC曲线：给出ROC曲线图，根据曲线的弯曲程度及远离程度，判断灵敏度和特异度