SPSS详细操作：多项测量指标的ROC曲线分析.pdf

SPSS 详细操作：多项测量指标的 ROC 曲线分析
作者：李侗桐
在实际临床工作中，我们往往是根据多项指标综合判断病情的。比如，在验。但是该诊断试验的测
量指标很多，应该如何预测每一位受试者是否患肺癌呢？
我们可以通过二分类 Logistic 回归模型，用性别、年龄、BMI、COPD 病史和是
否吸烟等因素，计算受试者患肺癌的预测概率。

二、SPSS 分析方法
1. 数据录入 SPSS2. Logistic 回归分析
选择 Analyze→Regression→Binary Logistic


（1）主对话框设置
将因变量 cancer 送入 Dependent 框中，将纳入模型的自变量 sex, age, BMI 和
COPD 变量 Covariates 中，选择 Forward: LR 的自变量筛选方法（Method 对话
框）。（2）Categorical 设置
本研究中，COPD 是多分类变量，我们指定“无 COPD 病史”的研究对象为参照
组，分别比较“轻/中度”和“重度”组相对于参照组患肺癌的风险。
点击 Categorical→将左侧 Covariates 中的 COPD 变量送入右侧 Categorical
Covariates 中。在 Reference Category 的右侧选择 First（表示选择变量
COPD 中，赋值最小的，即“0”作为参照。）→点击 Change→点击 Continue。


（3）Save 设置
点击 Save→选择 Probabilities→点击 Continue。三、Logistic 回归结果
1. 纳入 Logistic 回归模型的变量
最终模型纳入了性别（sex）、 COPD 病史（COPD）和吸烟（smoke）三个变量。
也就是说，这该 Logistic 回归模型认为，这三个变量可以预测是否患肺癌，而
年龄和 BMI 并没有预测意义。


2. 个体患肺癌的概率
根据上述 Logistic 回归的结果，我们可以写出每个受试者根据性别、COPD 病
史和是否吸烟三个因素，预测是否患肺癌的危险得分