
SPSS操作:多项测量指标的ROC曲线分析
在前面几讲中,我们已向大家介绍过如何依据一项测量指标设计和评价诊断试验。但在实际临床工作中,我们往往是根据多项指标综合判断病情的。比如,在诊断高血压时,我们会根据年龄、性别、并发症等多个因素同时评价受试者的患病情况。那么在这种情况下,我们应如何判断诊断结果的真实性呢?
一、问题与数据
某呼吸内科医生拟通过性别、年龄、BMI、COPD病史和是否吸烟等因素预测受试者的肺癌患病情况。他招募了85名肺癌患者,259名非肺癌患者,并通过查阅病历、问卷调查的方式收集了上述信息。变量的赋值和部分原始数据见表1和表2。如果该医生依据这几项因素预测受试者是否患肺癌,那么应如何预测,准确性又如何呢?
表1 肺癌危险因素分析研究的变量与赋值
表2 部分原始数据
从本质上讲,该研究也是结局变量为二分类的诊断试验。但是该诊断试验的测量指标很多,应该如何预测每一位受试者是否患肺癌呢?
我们可以通过二分类Logistic回归模型,用性别、年龄、BMI、COPD病史和是否吸烟等因素,计算受试者患肺癌的预测概率。
二、SPSS分析方法
1. 数据录入SPSS
2. Logistic回归分析(关于Logistic回归每一步设置的意义,可参考“SPSS实例教程:二分类Logistic回归”。)
选择Analyze→Regression→Binary Logistic
(1)主对话框设置
将因变量cancer送入Dependent框中,将纳入模型的自变量sex, age, BMI和COPD变量Covariates中,选择Forward: LR的自变量筛选方法(Method对话框)。
(2)Categorical设置
本研究中,COPD是多分类变量,我们指定“无COPD病史”的研究对象为参照组,分别比较“轻/中度”和“重度”组相对于参照组患肺癌的风险。
点击Categorical→将左侧Covariates中的COPD变量送入右侧Categorical Covariates中。在Reference Category的右侧选择First(表示选择变量COPD中,赋值最小的,即“0”作为参照。)→点击Change→点击Continue。
(3)Save设置
点击Save→选择Probabilities→点击Continue。
三、Logistic回归结果
1. 纳入Logistic回归模型的变量
最终模型纳入了性别(sex)、COPD病史(COPD)和吸烟(smoke)三个变量。也就是说,这该Logistic回归模型认为,这三个变量可以预测是否患肺癌,而年龄和BMI并没有预测意义。
2. 个体患肺癌的概率
根据上述Logistic回归的结果,我们可以写出每个受试者根据性别、COPD病史和是否吸烟三个因素,预测是否患肺癌的危险得分Logit(P):
Logit(P)= -3.062 + 0.836*sex(男=1;女=0) + 0.454*COPD(轻度) + 1.281COPD(中/重度) + 1.237*smoke(无=0;曾吸/现吸=1)
并可以按照以下公式计算得到每一个受试者患肺癌的预测概率:
实际上,当点选了上述2.5的操作,运行该回归分析后,SPSS会自动生成每一位受试者的预测概率(PRE_1),而不需要上述的手工计算。
至此,我们就可以根据受试者的真实患病情况和预测概率,评估根据性别、COPD病史和是否吸烟三个因素,预测个体是否患肺癌的准确性了。
四、ROC曲线的绘制
1. 选择Analyze→ROC Curve
2. 主对话框设置
将已知的疾病情况cancer送入State Variable框中,预测概率Predicted probability送入Test Variable中,并在Value of State Variable框中填1→OK。
五、结果解读
SPSS的ROC曲线结果会给出ROC曲线和曲线下面积。
根据结果,我们可以知道该诊断试验的ROC曲线下面积是0.718,判断其准确性,并用于与其他诊断试验的比较。至于评价诊断试验的其它指标,需要我们根据预测概率(PRE_1)确定诊断截点(cut-off值)后再计算,有兴趣的小伙伴可以自己尝试计算哦。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10