SPSSAI 数据统计分析平台 | AI 驱动
学习文章共 84 篇

SPSS ROC曲线的正确解读:AUC 与两条曲线比较

方法教程更新于 2026-11-17约 4 分钟读完

roc曲线的正确解读要把“一个评分是否有判别信息”和“两条曲线的 AUC 是否有差异”分开。本文的 auc比较显示两个评分均有判别信息,但配对 DeLong 检验未检出二者的 AUC 差异,仍需结合区间和应用场景说明局限。

ROC 数据怎么排:同一行必须是同一个对象

以下结果来自本站演示数据(模拟生成,不代表真实研究结论):随机抽取 255/300 行,种子为 3。每个对象都有结局与两个预测评分,方法入口见ROC曲线分析;本文只评估已经生成的评分,不在 ROC 页面重新训练模型。

列名 类型 配置与核对事项
是否发生终点事件 二分类 本次正类为 1,负类为 0
模型A预测概率 定量 已有评分,与结局逐行配对
模型B预测概率 定量 第二个评分,与前者来自同一对象

整理资料时应保持对应关系。把两个模型的结果分别排序后再粘贴,会破坏配对;即使各列看起来都是有效概率,比较也不再代表同一批对象的表现。检查标识与缺失位置,确认没有把不同验证集的预测结果拼成同一行。

本次阳性 128 例、阴性 127 例,两列评分都进入比较。评分高低的含义需与正类方向一致:较高的评分在本例表示更倾向发生终点事件;若业务定义相反,应先回查编码,而非只看显著性后再解释曲线方向。

ROC曲线的正确解读:先读正类再比较模型

  1. 在数据分析中选择「ROC曲线分析」,将结局列配置为状态变量,把两个已有概率列同时作为评分变量,核对它们属于同一批观察对象。
  2. 开始分析后先读概览中的正类、负类与评分列数,再读各评分的 AUC 结果。复现本文需要上述随机子样本,完整演示资料的估计会不同。
  3. 到效应量与事后分析卡读取多模型 AUC 两两比较表,并核对差值方向。演示数据不用登录就能跑;用自己的数据分析、导出 Word / PDF 报告、使用 AI 解读需要开通会员。

下面截图为本次报告的主结果卡,能看到每个评分各自的检验与截断信息,以及表注中的正负类定义。两两比较在另一张表中,主结果卡中某行的显著性只针对该模型与随机判别的差异。

ROC主结果表与正负类定义的报告页面截图

AUC 怎么读:单模型的区间先说明判别精度

模型 A 的 AUC 为 0.778,95%CI 为 0.722~0.834;模型 B 为 0.761,95%CI 为 0.703~0.819。各自对 AUC=0.5 的检验均为 p<0.001,提示评分具备高于随机排序的判别信息;这里没有直接检验模型 A 优于模型 B。

两种模型预测概率的ROC曲线折线图

ROC 横轴为假阳性率,纵轴为灵敏度,每个阈值对应曲线上的一个位置。整体面积概括排序表现,却没有单独指定使用哪个阈值;不同阈值处的误判权衡还需与研究目的对应,面积之外还需保留阈值处的决策信息。

AUC 也不等于预测概率校准良好。模型可以把对象的风险顺序排对,却系统性高估或低估概率;因此“有判别能力”和“概率可以直接用于决策”应分别论证,应用前还需独立验证,而本篇演示资料没有提供这种验证证据。

delong检验怎么看:看差值方向而非谁先显著

两两比较表按“模型 A 减模型 B”计算,AUC 差值为 0.017,95%CI 为 -0.031~0.065,Z=0.678,p=0.498。区间包含零,本次未检出两模型 AUC 的统计学差异;既不能据点估计高低宣称优势,也没有建立等效结论。

这项配对检验利用两种评分来自相同对象的信息。本文只有一个比较对,表内原始 p 与 Bonferroni 校正 p 相同;若比较更多模型,需核对预先规定的主要比较与多重校正口径,避免从多对结果中只挑显著项。

下面的示意图区分三个原假设及评价对象。读结果前先确认自己要回答哪个问题,再引用对应表格,能避免把单模型检验的显著性挪到模型间比较结论中。

单模型判别与模型差异及等效问题的区分表

约登截断怎么用:本批样本的选择仍需验证

模型 A 的约登截断为 0.5214,在该点灵敏度为 0.734、特异度为 0.709。这描述本次资料中选定阈值后的表现,阈值与效能是在同一资料上评估的,直接搬到新样本可能乐观;实际应用要结合漏判和误判后果,另行验证。

阳性预测值还依赖人群中的事件比例,所以对外应用时应同时说明人群背景。下面流程补充从已有评分到实际使用的验证顺序,强调输出一个 ROC 报告只是评估环节的一部分。

已有预测评分从判别评估走向应用验证的流程

ROC 结果在论文里怎么写

在同一批模拟对象中比较两个预测评分的判别能力,分别报告 AUC 及其置信区间。采用配对 DeLong 方法比较曲线下面积,差值区间包含零,未检出模型间判别力差异。本分析没有建立等效性,也未评价校准或临床净获益;约登法得到的阈值及其效能需在独立资料中验证。

ROC曲线解读常见错误

  • 两个模型各自显著就说二者有差异:回到配对比较表读取差值和区间。
  • 把 AUC 当作正确分类比例:明确其排序含义,阈值下的准确率属于另一指标。
  • 只比较单模型区间的重叠:使用考虑同一对象配对关系的比较检验。
  • 把未显著写成完全相同:保留差值区间,说明本次证据范围。

延伸阅读

常见问题

roc曲线的正确解读先看哪个结果?

先核对结局的正类和评分方向,再读 AUC 及其区间。单个模型的检验与两个模型之间的差异检验回答不同问题,应分别报告。

auc比较能只看两条区间重不重叠吗?

同一批对象的评分存在配对关系,应使用考虑协方差的比较方法。两条单独区间的重叠程度不等同于差值的区间,也不等同于正式的差异检验。

delong检验不显著能说两个模型等效吗?

未检出 AUC 差异只反映本次检验的证据不足。等效需要预先界定可接受差异并采用相应设计,还需分别评价校准及应用代价。

同分类文章 · 方法教程

SPSS 协方差分析和方差分析的区别:加协变量后结果怎么变SPSS 方差分析和t检验的区别和联系:三组以上为何不能两两比SPSS 逻辑回归和线性回归的区别:因变量类型决定用哪个SPSS 中介效应三步法还能用吗:逐步检验与 Bootstrap 对照
回到学习文章,查看全部 84 篇 →