【原】天啊，ROC曲线也要控制协变量啊！

导读

     我们以前说相关的时候，说到过偏相关；而所谓的偏相关就是消除其他变量影响后，研究单纯的X和Y之间的相关。

    ROC曲线主要用于诊断试验诊断阈值的设定，也可用于预测模型效果评价。比如我们研究AFP在诊断原发性肝癌中的价值，一般ROC直接对病例和对照组进行AFP测定，然后做ROC曲线即可。

   然而有些因素是会影响AFP的，如果不消除这些因素的影响，可能得到诊断结果就不可靠。这种消除某些因素后，进行ROC分析的方法，就叫协变量调整ROC。

   这种方法SPSS暂不可实现，但用stata实现非常方便。

喜讯：6月18日！！！！，京东、当当、淘宝图书5折特惠，想学统计的话，推荐松哥独著花了1年时间写的《SPSS实战与统计思维》！这本书在京东和当当销量排名都是第一的哦！

精鼎51期SPSS实战训练营-昆明站

stata实现

随机模拟一组数据，仅做演示stata实现。如下图：

Disease代表疾病，1有，0无。

health和weight为检测变量

sex和age是要控制的协变量

1. 正常ROC不控制

命令：roccurve Disease health weight

结果：

2.ROC控制sex和age

命令：roccurve Disease health weight,adjcov(age sex) adjmodel(linear)

结果：

3.计算结束，数据库视图自动生成fpr和tpr。

补充一点

上述语法虽然可以快速制作协变量调整ROC曲线，但不能给出AUC。我们可以调用rocreg语句实现。

命令：

rocreg Disease health weight,ctrlcov( sex age ) ctrlmodel(linear) nobootstrap

结果：

如果没校正会怎么样

语句：rocreg Disease health weight, nobootstrap

结果：

比较：

发现矫正后的效果似乎好一点，但差别不大。本例只是虚拟案例数据。理论上应该相差较大。

当然相差大不大也不是靠看的，可以用comproc语句进行比较。