接受者操作特征曲线的ROC曲线的特性

1. 接受者操作特征曲线的ROC曲线的特性

（1）β值的改变独立于d’的变化，考察β值变化对P(y/SN)和P(y/N)的影响时发现：当β接近0时，击中概率几乎为0，即信号全当成噪音接受；当β接近无穷大时，虚惊概率几乎为0，即噪音全当成信号接受；而当β从接近0向无穷大渐变的过程中，将形成一条完整地ROC曲线，曲线在某一处达到最佳的标准βOPT。（2）ROC曲线的曲率反应敏感性指标d’：对角线，代表P(y/SN)=P(y/N)，即被试者的辨别力d’为0，ROC曲线离这条线愈远，表示被试者辨别力愈强，d’的值当然就愈大。由上可知，d’的变化使ROC曲线形成一个曲线簇，而β的变化体现在这一曲线簇中的某一条曲线上不同点的变化。此外，如果将ROC曲线的坐标轴变为Z分数坐标，我们将看到ROC曲线从曲线形态变为直线形态。这种坐标变换可以用来验证信号检测论一个重要假设，即方差齐性假设。(3)补充特性：对于一条特定的ROC曲线来说，d’是恒定的，所以也叫等感受性曲线。对角线代表辨别力等于0的一条线，也叫纯机遇线。ROC曲线离纯机遇线越远，表明被试的辨别力越强。辨别力不同的被试的ROC曲线也不同。

2. 接受者操作特征曲线的ROC曲线简介

接受者操作特性曲线（receiver operating characteristic curve，简称ROC曲线），又称为感受性曲线（sensitivity curve）。得此名的原因在于曲线上各点反映着相同的感受性，它们都是对同一信号刺激的反应，只不过是在几种不同的判定标准下所得的结果而已。接受者操作特性曲线就是以虚惊概率为横轴，击中概率为纵轴所组成的坐标图，和被试在特定刺激条件下由于采用不同的判断标准得出的不同结果画出的曲线。含义：接受者操作特征曲线（receiver operating characteristic curve），简称ROC曲线，是指在特定刺激条件下，以被试在不同判断标准下所得的虚报概率P（y/N）为横坐标，以击中概率P（y/SN）为纵坐标，画得的各点的连线。

3. 接受者操作特性曲线的ROC曲线的特性

（1）β值的改变独立于d’的变化，考察β值变化对P(y/SN)和P(y/N)的影响时发现：当β接近0时，击中概率几乎为0，即信号全当成噪音接受；当β接近无穷大时，虚惊概率几乎为0，即噪音全当成信号接受；而当β从接近0向无穷大渐变的过程中，将形成一条完整地ROC曲线，曲线在某一处达到最佳的标准βOPT。（2）ROC曲线的曲率反应敏感性指标d’：对角线，代表P(y/SN)=P(y/N)，即被试者的辨别力d’为0，ROC曲线离这条线愈远，表示被试者辨别力愈强，d’的值当然就愈大。由上可知，d’的变化使ROC曲线形成一个曲线簇，而β的变化体现在这一曲线簇中的某一条曲线上不同点的变化。此外，如果将ROC曲线的坐标轴变为Z分数坐标，我们将看到ROC曲线从曲线形态变为直线形态。这种坐标变换可以用来验证信号检测论一个重要假设，即方差齐性假设。

4. 接受者操作特性曲线的ROC曲线的绘制

ROC曲线的具体绘制实例：杨治良（1983）曾做过这样一个实验：选图画页500页，分成五个组，每组100张。五组画页的先定概率分别是0.1、0.3、0.5、0.7和0.9。对于每一组画页，主试者使用一种信号的先定概率，然后按此先定概率呈现给被试者一定数量的画页，要求被试者把它们当做”信号”记住。例如，先定概率为0.1时，则当作”信号”的画页为10张；当做”噪音”的画页为90张。作为信号的画页呈现完毕之后，与此组作为噪音的画页混合，然后随机地逐张呈现给被试。这时，每呈现一张画页，即要求被试判断此画页是”信号”还是”噪音”，并要求被试把结果记录在实验纸上。根据五种先定概率得到的实验结果，就可计算击中概率和虚惊概率。最后，根据不同先定概率下的击中概率和虚惊概率，就可在图上确定各点的位置，把五点联接起来就绘成一条 ROC曲线。

5. 接受者操作特征曲线的ROC曲线的绘制

ROC曲线的具体绘制实例：杨治良（1983）曾做过这样一个实验：选图画页500页，分成五个组，每组100张。五组画页的先定概率分别是0.1、0.3、0.5、0.7和0.9。对于每一组画页，主试者使用一种信号的先定概率，然后按此先定概率呈现给被试者一定数量的画页，要求被试者把它们当做”信号”记住。例如，先定概率为0.1时，则当作”信号”的画页为10张；当做”噪音”的画页为90张。作为信号的画页呈现完毕之后，与此组作为噪音的画页混合，然后随机地逐张呈现给被试。这时，每呈现一张画页，即要求被试判断此画页是”信号”还是”噪音”，并要求被试把结果记录在实验纸上。根据五种先定概率得到的实验结果，就可计算击中概率和虚惊概率。最后，根据不同先定概率下的击中概率和虚惊概率，就可在图上确定各点的位置，把五点联接起来就绘成一条 ROC曲线。

6. Graphpad绘制受试者工作特征（ROC）曲线教程

Graphpad绘制ROC曲线 
  
 在生物标志物模型分析中，还有一种常见的分析为受试者工作特征（ROC）曲线分析。如下图所示，ROC曲线也是这类文献中常见的分析图，结合临床数据，可以验证某个基因或模型作为疾病诊断和预后标志物。
                                          
 那么如何使用Graphpad绘制ROC曲线呢？我们就以下图为例，来一步步演示吧。
                                          
  1  数据准备 
  
 绘制ROC曲线需要生存状态、基因表达量，将数据整理成表格。示例文件 示例数据.xlsx 所示。
                                          
  （1）patient：患者编号；（2）status：生存状态，其中0表示存活，1表示死亡；（3）expression：基因的表达量（或模型的风险评分）。 
  
  2  使用Graphpad进行ROC分析 
  
 接下来，打开 Graphpad ，选择 Column ，点击 Create 。
                                          
 将Excel中ROC中的数据复制到Graphpad中。
                                          
 点击 Analysis 中的 Analyze ，在 Column analysis 中选择 ROC Curve ，点击OK。
                                          
 在 Parameters:ROC Curve 中选中 Line of identity （是否绘制参考线，AUC=0.5），点击 OK 。
                                          
 点击 Results 中 ROC of Data 1 中的 Area ，其中 Area under the ROC curve 下的 Area 值就是我们需要的AUC值。
                                          
  3  绘制ROC曲线 
  
 点击 Graphs 中的 ROC curve: ROC of Data 1 。
                                          
 双击坐标轴，修改相关参数。点击 Frame and Origin ，在 Size 中选择 Square （长宽相等），同时修改 Width 和 Height 。在 Frame style 中选择 Plain Frame （加边框）。
                                          
 点击 X axis ，取消选择 Automatically determine the range and interval 。修改 Minimum （x轴最小值）、 Maximum （x轴最大值）和 Major ticks interval （坐标间隔）。点击 Left Y axis ，修改相同参数。
                                          
 双击绘图区域，在 Data set 中选择 ROC of Data 1:ROC curve: Sensitivity% ，取消选择 Show symbols （显示关键点）、 C  olor （颜色）、 Style （类型改成折线）、 Show legend （图例）等参数；将 Data set 修改成 ROC of Data 1:ROC curve:Indentity% ，修改相同的参数。
                                                                                  
 修改x轴和y轴标题，并将图例调整到合适的位置，ROC图就绘制完成了。
                                          
 结果还是非常漂亮的对不对？

7. roc曲线的正确解读

roc曲线的正确解读为：
（一)ROC 曲线的概念
受试者工作特征曲线 ( receiver operator characteristic curve, ROC 曲线），最初用于评价雷达性能，又称为接收者操作特性曲线。
ROC 曲线是根据一系列不同的二分类方式(分界值或决定尔），以真阳性率 （灵敏度）为以坐标，假阳性率(1-特异度)为横坐标绘制的曲线。传统的诊断试验汗价方法有一个其同的特点，必须将武验结果分为两类 ，再进行统计分析。
ROC 曲线的评价方法与传统的评价方法不同，无须此限制，而是根据实际情况许有中间状态，可以把武验结果划分为多个有序分类，如正常、大致正常、可疑、大致常和升常五个等级再进行统计分析。因此，ROC 曲线评价方法适用的范国更为广泛。

（二）ROC 曲线的主要作用
1ROC 曲线能很容易地查出任意界限值时的对疾病的识别能力。
2选择最佳的诊断界限值。ROC 曲线越章近左上角,试验的准确性就越高。最靠近左上角的ROC 曲线的点是错误最少的最好国值，其假阳性和假阴性的总数最小。

3.两种或两种以上不同诊断试验对疾病识别能力的比较。在对同一种疾病的两种或两种以上诊断方法进行比较时 ，可将各过验的 ROC 曲线绘制到同一坐标中，以直观地鉴别优劣，靠近左上角的ROC 曲线所代表的受试者工作最准确。亦可通过分别计算各个试验的ROC 曲线下的面积(AUC)进行比较，哪一种试验的AUC 最大，则哪一种试验的诊断价值

8. roc曲线的正确解读

关于roc曲线的正确解读如下：
ROC曲线，也称受试者工作特征曲线，感受性曲线；ROC曲线最初是运用在军事上，当前在医学领域使用非常广泛，用于研究X对于Y的预测准确率情况。
案例：雷达兵的任务在于监视雷达，观察是否有敌机来袭，当然如果有飞鸟来袭，也会出现信号，如果过于谨慎有信号就报告，

会增加误报风险，但如果过于大胆，凡是信号都认为是飞鸟这会出现很大风险。ROC曲线正是解决此类问题，即用于尽最大可能研究敌机信号和飞鸟信号之间的区别，以增加预报准确性。
核心在于研究漏报和误报之间的概率分布情况，横坐标表示飞鸟信息不报告的概率，纵坐标表示敌机信息报告的概率即正确报告的概率，将对应的点连成曲线，这条曲线就是ROC曲线。
名词解释ROC曲线最初运用于军事上，当前ROC曲线在医学领域有着广泛的使用。医学上更多称为“阳性”（比如敌机）或“阴性”（比如飞鸟），对应着X轴即1-特异性也称为假阳性率（误报率），该值越小越好；Y轴敏感度也称为真阳性率（敏感度），该值越大越好。
操作与分析数据背景本案例研究产妇年龄，产妇体重这两项对于“低出生体重儿”的预测准确率，针对“低出生体重儿”列，数字1表示低出生体重儿，0表示不是低出生体重。数字1表示“阳性”，数字0表示“阴性”，因此切割点设置为1。

从上表可知，针对产妇年龄, 产妇体重共2项构造ROC曲线，用于判断其对于“低出生体重儿”的诊断预测价值，首先进行状态变量的设置。
以数字1作为切割点， 1为阳性，0作为阴性。最终从上表可可以看出：阳性（此处即为“低出生体重儿”）比例为68.78%，阴性（此处即为“非低出生体重儿”）比例为31.22%。
ROC 曲线可用于疾病识别能力的判断，首先需要确定金标准(分割点)，并且主动设置；第一步：状态变量等于分割点时为阳性，其它为阴性；第二步：可对阳性和阴性的基本频数分布情况进行简单描述。