ROC(Receiver Operating Characteristic)曲線,用於二分類判別效果的分析與評價.一般自變數為連續變數,因變數為二分類變數.
基本原理是:透過判斷點(cutoff point/cutoff value)的移動,獲得多對靈敏度(sensitivity)和誤判率(1-Specificity(特異度)),以靈敏度為縱軸,以誤判率為橫軸,連線各點繪製曲線,然後計算曲線下的面積,面積越大,判斷價值越高.
靈敏度:就是把實際為真值的判斷為真值的機率.
特異度:就是把實際為假值的判斷為假值的機率.
誤判率:就是把實際為假值的判斷為真值的機率,其值等於1-特異度.
將繪成的曲線與斜45度的直線對比,若差不多重合,說明自變數對因變數的判斷價值很差,若越遠離斜45度的直線即曲線下的面積越大,說明自變數對因變數的判斷價值越好,即根據自變數可以較為正確的判斷因變數.
使用SPSS的操作過程如下:
Graphs/ROC Curve:Test variable選自變數(連續型變數),state varibale選因變數(二分類變數)display的選項一般全選.
執行結果:1.ROC曲線,可直觀地看到曲線形狀.
2.Area under the curve:曲線下方的面積,包括面積值,顯著性分析,置信區間.
3.Coordinates of the curve:ROC曲線各點對應的靈敏度和誤判率.
ROC(Receiver Operating Characteristic)曲線,用於二分類判別效果的分析與評價.一般自變數為連續變數,因變數為二分類變數.
基本原理是:透過判斷點(cutoff point/cutoff value)的移動,獲得多對靈敏度(sensitivity)和誤判率(1-Specificity(特異度)),以靈敏度為縱軸,以誤判率為橫軸,連線各點繪製曲線,然後計算曲線下的面積,面積越大,判斷價值越高.
靈敏度:就是把實際為真值的判斷為真值的機率.
特異度:就是把實際為假值的判斷為假值的機率.
誤判率:就是把實際為假值的判斷為真值的機率,其值等於1-特異度.
將繪成的曲線與斜45度的直線對比,若差不多重合,說明自變數對因變數的判斷價值很差,若越遠離斜45度的直線即曲線下的面積越大,說明自變數對因變數的判斷價值越好,即根據自變數可以較為正確的判斷因變數.
使用SPSS的操作過程如下:
Graphs/ROC Curve:Test variable選自變數(連續型變數),state varibale選因變數(二分類變數)display的選項一般全選.
執行結果:1.ROC曲線,可直觀地看到曲線形狀.
2.Area under the curve:曲線下方的面積,包括面積值,顯著性分析,置信區間.
3.Coordinates of the curve:ROC曲線各點對應的靈敏度和誤判率.