許多用戶在使用SPSS軟件時會有一些簡單的數(shù)據(jù)分析，并且還知道物質的結果通常由單個因素確定，通常由多個復雜指示符確定。今天，小編將與SPSS一起學習，使用SPSS繪制數(shù)據(jù)ROC曲線！

操作方法：

首先，分析預測

首先準備我們必須使用的數(shù)據(jù)，如圖1所示，是一組關于癌癥患者和非癌癥人員的指標數(shù)據(jù)。我們需要分析這些指標，無論是否有可能最初確定癌癥的概率。

第1步：點擊“return”在“分析”菜單中，選擇“二進制物流”，通過二進制邏輯回歸模型，使用性別，年齡，BMI，無論是吸煙和傳遞的歷史，計算癌癥的概率。

在回歸設置界面中，將變量設置為癌癥，添加塊中癌癥以外的其他指標，最后在該方法中選擇“前進：LR”方法，并且特定設置如圖4所示。

同樣因為在這組數(shù)據(jù)中，COPD是一個多級類，而不是一個簡單的第二類，我們使用0到4表示0到4，表示否，輕度，中等和嚴重。

因此，我們需要在圖3的右側單擊“分類”，自定義分類變量。在“分類”海岸中選擇COPD，然后選擇“首先”的引用類別，單擊“繼續(xù)”。

最后，單擊“保存”按鈕（非確定按鈕），然后在“預測值”中檢查“概率”，如圖5所示，SPSS將有助于我們生成每個記錄的癌癥預測概率值。

具體的預測值如圖6所示，pre_1是由SPS產(chǎn)生的預測概率值。

其次，繪制ROC曲線

通過預測的概率結果，我們可以使用ROC曲線來分析該預測結果的準確性。單擊“分析”菜單以選擇“類別”，單擊“ROC曲線”，如圖7所示。

測試變量選擇由SPSS生成的“pre_1”，選擇下面的“Cancer”，然后狀態(tài)變量值設置為1，單擊完成上述設置后單擊“確定”以生成這兩個預測和實際指標ROC曲線。

最終產(chǎn)生的結果如圖9所示，我們可以通過觀察ROC曲線下的區(qū)域來確定預測的準確性。

以上是關于使用SPSS在多指示符下的ROC曲線分析的所有教程。我們首先通過回歸模型生成預測值，然后分析預測值和實際值，以及我們想要的結論。