SPSS_ROC曲线

案例数据

二分类真实状态和连续预测分数，用于绘制 ROC 曲线并计算 AUC、截断值、敏感度和特异度。

下载案例数据 查看数据文件

文件名	roc.xlsx
数据用途	ROC 曲线案例数据
变量说明	状态变量为二分类结果，检验变量为连续预测指标；需要明确阳性编码。

完整案例

1. 背景

医学或风控研究中，希望评估一个连续指标或模型预测值对二分类结局的区分能力。

2. 理论与公式

ROC 曲线以 1-特异度为横轴、敏感度为纵轴，AUC 衡量模型或指标区分阳性与阴性的整体能力。

3. 数据结构

状态变量为二分类结果，检验变量为连续预测指标；需要明确阳性编码。

4. 操作截图

1. 上传案例数据
2. 选择 ROC 曲线
3. 放入状态变量 Y
4. 放入检验变量 X
5. 设置阳性切割点
6. 点击开始分析

5. 结果表格与结果阅读

检验变量	AUC	95% CI	Cut-off	敏感度	特异度
年龄	0.742	[0.681, 0.803]	58.5	0.714	0.668
模型预测值	0.836	[0.792, 0.881]	0.42	0.801	0.754

Cut-off 通常由最大尤登指数确定。

重点查看 AUC、95% 置信区间、最佳截断值、敏感度和特异度。AUC 越接近 1，区分能力越强。

6. 辅助截图

7. 文字分析

ROC 曲线结果显示，检验变量对阳性结局具有一定区分能力，AUC 达到可接受水平，可进一步结合最佳截断值用于判别。

8. 剖析提醒

阳性编码设置错误会直接影响 AUC 和曲线方向；AUC 小于 0.5 时应优先检查状态变量定义。