科研有捷徑，輸入代碼，一鍵獲取科研成果！就是這么省事，來具體看下有多方便！

搜索http://985.so/a9kb查看全部代碼（目前共計(jì)50+持續(xù)新增中），也可以點(diǎn)擊右側(cè)【目錄】，可以看到更多有趣的代碼

真香提示：文末可以知道如何獲取代碼~?

Roc曲線，受試者工作特征曲線 （receiver operating characteristic curve，簡(jiǎn)稱Roc曲線），又稱為感受性曲線（sensitivity curve）。

Roc曲線是根據(jù)一系列不同的二分類方式（分界值或決定閾），以真陽性率（靈敏度）為縱坐標(biāo)，假陽性率（1-特異度）為橫坐標(biāo)繪制的曲線。傳統(tǒng)的診斷試驗(yàn) 評(píng)價(jià)方法有一個(gè)共同的特點(diǎn)，必須將試驗(yàn)結(jié)果分為兩類，再進(jìn)行統(tǒng)計(jì)分析。

Roc曲線的評(píng)價(jià)方法與傳統(tǒng)的評(píng)價(jià)方法不同，無須此限制，而是根據(jù)實(shí)際情況，允許有中間狀態(tài)，可以把試驗(yàn)結(jié)果劃分為多個(gè)有序分類，如正常、大致正常、可疑、大致異常和異常五個(gè)等級(jí)再進(jìn)行統(tǒng)計(jì)分析。

因此，Roc曲線評(píng)價(jià)方法適用的范圍更為 廣泛。

Roc曲線下的面積值在1.0和0.5之間。在AUC>0.5的情況下，AUC越接近于1，說明診斷效果越好。AUC在 0.5～0.7時(shí)有較低準(zhǔn)確性，AUC在0.7～0.9時(shí)有一定準(zhǔn)確性

AUC在0.9以上時(shí)有較高準(zhǔn)確性。AUC=0.5時(shí)，說明診斷方法完全不起作用，無診斷價(jià)值。AUC<0.5不符合真實(shí)情況，在實(shí)際中極少出現(xiàn)。

R中繪制Roc曲線

R的RocR包中主要是兩個(gè)函數(shù)：prediction和performance。前者是將預(yù)測(cè)結(jié)果和真實(shí)標(biāo)簽組合在一起，生成一個(gè) prediction對(duì)象，然后再用performance函數(shù)，按照給定的評(píng)價(jià)方法，生成一個(gè)performance對(duì)象，最后直接對(duì) performance用plot函數(shù)就能繪制出相應(yīng)的Roc曲線。

Roc R代碼：

SPSS 9.0以上版本可進(jìn)行Roc分析

簡(jiǎn)單操作步驟如下：

1.定義列變量，并輸入數(shù)據(jù)

（1）診斷分類值或檢測(cè)結(jié)果（test）：多個(gè)診斷試驗(yàn)則定義test1，test2，...

（2）金標(biāo)準(zhǔn)類別（group）：1=病例組，0=對(duì)照組

（3）分類頻數(shù)（freq），需要進(jìn)一步執(zhí)行第二步

2.說明頻數(shù)變量路徑：Data\Weight Case..., 選項(xiàng)：Weight case by， 填表：Freqency Variable （freq）

3.Roc分析：路徑：Grahps\Roc Curve... 填表：Test Variable（test）， State Variable （group）， Value of state variable，選項(xiàng)包括：

(display) Roc Curve，with diagonal reference line （機(jī)會(huì)線）， standard error and confidence interval （面積的標(biāo)準(zhǔn)誤，及其可信區(qū)間）， Coordinate points of the Roc curve （Roc曲線的坐標(biāo)點(diǎn)）
?options：test direction （如果檢測(cè)值小劃歸為陽性，則需要選）， cofidence level （%）：需要除95%以外的可信度，可在此定義。

如果是連續(xù)型測(cè)量資料，則不需要第1步的（3）及第2步。