当前位置:网站首页 > 资讯中心 > 软件教程 > 正文

SPSS中怎么使用多指标的ROC曲线分析?SPSS多指标的ROC曲线分析使用教程

admin 发布:2022-05-14 14


               很多用户在使用SPSS软件办公时都会做一些简单的数据分析,也都知道一件事的结果往往不是由单一因素决定的,通常由多个复杂的指标共同决定。今日小编就带大家一起学习一下用spss绘制数据的roc曲线吧!

  操作方法:

               一、分析预测

               首先准备好我们想用的数据,如图1所示,这是一组关于癌症患者和非癌症患者的指标数据。我们需要通过分析来判断这些指标是否能初步判断患癌症的概率。

               步骤一:点击分析菜单中的回归,选择二元Logistic,通过二元Logistic回归模型,利用性别、年龄、BMI、是否吸烟及过往COPD病史,计算人患癌症的可能性。

               在回归设置界面中,设置因变量为cancer,并在块中添加除cancer以外的其他指标。最后,在方法中选择前进:LR方法,具体设置如图3所示。

               因为在这组数据中,COPD是多分类变量,而不是简单的二分类,我们用0到4来表示COPD的程度,分别表示无、轻、中、重。

               因此,我们需要点击上图3右侧的分类来定制分类变量。在分类协变量中选择COPD,然后选择参考类别为第一,点击继续。

               最后,点击保存按钮(非确定按钮),然后在预测值中勾选概率,如图5所示。此时,SPSS将帮助我们生成每个记录的癌症预测概率值。

               如图6所示,PRE_1是SPSS自动生成的预测概率值。

               二、绘制ROC曲线

               有了预测概率结果,我们可以使用ROC曲线来分析预测结果的准确性。点击分析菜单,选择分类,点击ROC曲线,如图7所示。

               检验变量选择SPSS生成的PRE_1,下面的状态变量选择cancer,然后将状态变量值设置为1。完成上述设置后,单击确定生成关于这两个预测和实际指标之间的ROC曲线。

               最终结果见下图9,我们可以通过观察ROC曲线下的面积来判断预测的准确性。

               上述都是关于使用SPSS在多个指标下进行ROC曲线分析的教程,我们过回归模型生成预测值,然后在预测值和真实值之间进行ROC曲线分析,得出我们想要的结论。

标签:

版权说明:如非注明,本站文章均为 庆腾软件园 原创,转载请注明出处和附带本文链接;

本文地址:http://yxtvg.com/jiaocheng/19130.html


分享到