然后计算曲线下面积，如何用SPSS绘制roc曲线(1.roc曲线(受试者工作特征曲线)的概念，roc曲线越靠近左上角，(2)ROC曲线的主要作用1.roc曲线可以很容易地找出在任意极限值下识别疾病的能力。
分类:资源共享> >文档/报表共享问题描述:如何在spss中绘制ROC曲线？对数据类型有什么要求？有哪些应用？老板想用ROC分析数据。请帮助他。非常感谢！分析:ROC(接收特性)曲线用于分析和评价二元分类判别的效果。通常，自变量是连续变量，因变量是二元分类变量。基本原理是通过截止点/截止值的移动，
画一条以灵敏度为纵轴，误判率为横轴的曲线，然后计算曲线下的面积。面积越大，判断值越高。灵敏度:判断实际真值为真值的概率。特异性:将实际假值判断为假值的概率。误判率:将实际假值判断为真值的概率，其值等于1奇点。所画的曲线倾斜45度。
C统计量是ROC曲线下的面积。如果使用这个逻辑回归进行预测或诊断，roc曲线下面积可以估计使用逻辑回归模型进行诊断或预测的能力。ROC曲线一般指受试者的工作特性曲线。受试者操作特征曲线是指以受试者在不同判断标准下得到的误报概率P(y/N)为横坐标，以特定刺激条件下的击中概率P(y/SN)为纵坐标所画出的各点连线。
3、如何利用SPSS绘制ROC曲线(1)roc曲线接收机工作特性曲线(ROC曲线)的概念最初用于评估雷达性能，也称为接收机工作特性曲线。Roc曲线是根据一系列不同的二元分类方法(分界值或判定阈值)绘制的曲线，以真阳性率(灵敏度)为纵坐标，假阳性率(1特异性)为横坐标。传统的诊断测试评估方法有一个共同的特点，测试结果必须分为两类，然后进行统计分析。
因此，roc曲线评价法更适用。(二)roc曲线的主要作用1.roc曲线可以很容易地找出在任何边界值上识别疾病的能力。2.选择最佳诊断限值。roc曲线越靠近左上角，测试的准确性越高。roc曲线最靠近左上角的点是误差最小的最佳阈值，假阳性和假阴性总数最少。3.两种或两种以上不同诊断试验鉴别疾病的能力的比较。
4、ROC曲线的分析步骤1、ROC分析步骤:①ROC曲线绘制。根据专业知识，对疾病组和参照组的测定结果进行分析，确定测定值的上下限、组间距和分界点。按选定的组间距区间列出累积频率分布表，分别计算所有切点的敏感性、特异性和假阳性率(1特异性)。纵坐标为灵敏度，代表真阳性率，横坐标为(1)特异性，代表假阳性率，绘制ROC曲线。
ROC曲线下面积值在1.0-0.5之间。当AUC>0.5时，AUC越接近1，诊断效果越好，AUC在0.5 ~ 0.7时准确度低，在0.7 ~ 0.9时有一定准确度，在0.9以上准确度高。当AUC为0.5时，说明诊断方法完全无效，没有诊断价值，罗马纪。
