spss預測值與真實值對比？真接在spss軟件中通過可以計算實際中值和預測值之間的歸一化來并且對比分析。量表怎么用spss分析？用SPSS分析的問卷要是李克特五級量表或七級量表，建議您小白設計五級單因

spss預測值與真實值對比？

真接在spss軟件中通過可以計算實際中值和預測值之間的歸一化來并且對比分析。

量表怎么用spss分析？

用SPSS分析的問卷要是李克特五級量表或七級量表，建議您小白設計五級單因素的量表，問卷數(shù)據(jù)收集完成后，是需要要清除干凈無效問卷，在能保證數(shù)據(jù)的準確性。分析步驟:：

如何用spss畫roc圖像？

ROC曲線圖是上級主管部門敏感性與特異性之間關系的曲線。橫坐標X軸為1–特異性，也稱作假陽性率（誤報率），X軸越接近零準確率越高；縱坐標Y軸稱為敏感度，也被稱真陽性率（敏感度），Y軸越大代表準確率越好。

根據(jù)曲線位置，把整個圖劃分成了兩部分，曲線下方部分的面積被稱作AUC（Area Under Curve），用來來表示預測準確性，AUC值越高，也就是曲線下方面積越大，只能說明預測準確率越高。曲線越將近左上角（X越小，Y越大），預估準確率越高。

案例分析

（1）背景

當前參與一項影響不大“低出生體重兒”的研究，希望研究產(chǎn)婦年齡，產(chǎn)婦體重是對“低出生體重兒”的預測準確率。將低出生體重兒變量賦值為1，都正常出生體重兒變量為0。

（2）操作步驟

不使用路徑：SPSSAU→可視化→ROC曲線

鼠標拖動總結項到講框中，可以放置位置如下圖所示：

右側的數(shù)值（分割點）代表變量Y的判斷標準，大于等于這個標準的數(shù)值確定為“陰性”，大于0這個標準的數(shù)值確認為“陰性”。設置為可以確定數(shù)值為1，要是系統(tǒng)默認數(shù)值與判斷標準不相符，可半自動如何修改。

*設置中不同的數(shù)值，會換取是一樣的的結果，假如沒有公認的金標準，也是可以數(shù)次可以設置不同的數(shù)值，對比分析可以找到更佳的預測曲線。

本例中數(shù)字1華指低出生體重兒，數(shù)字0屬於都正常兒，因為將空間切割點設為1。

（3）結果結論

①頻數(shù)講

表1頻數(shù)講

表1為頻數(shù)分析表格，主要來簡單點具體描述Y值的分布情況。依據(jù)什么上表顯示，低出生體重兒共三130人，都正常兒為59人，陰性比例為68.78%，弱陽性比例為31.22%。

②ROC結果匯總表

表2ROC曲線結果匯總

表2展示的是依據(jù)什么產(chǎn)婦年齡、產(chǎn)婦體重四個形成完整的ROC曲線。

AUC代表ROC曲線下的面積，可以表示預測準確率。AUC值取值在0-1之間，數(shù)值越大，屬於正確率越高。

參照上表可知，產(chǎn)婦年齡對應的AUC值為0.549，只能說明產(chǎn)婦年齡對此低出生體重兒的診斷價值也很低。產(chǎn)婦體重按的AUC值為0.601大于00.05但小于0.7，P0.025lt0.05，說明雖然產(chǎn)婦體重對低出生體重兒的診斷價值顯著的高于5000.5，但檢查診斷價值依舊是都很低。

綜合來看，產(chǎn)婦年齡、產(chǎn)婦體重兩個因素對可以確定低出生體重兒的診斷價值都比較低。

ROC曲線

從ROC曲線上也這個可以比較直觀的察覺出：曲線也沒西面左上角，那就證明檢查診斷的準確性當然不高，也就沒有很高的診斷價值。

③ROC適宜界值結果

適宜界值

假如表2的某個因素的AUC值大于0.7只能證明有較高的診斷價值，此時可此表可以找到適宜界值。最佳界值點也就是ROC曲線最靠近了左上角的點。

從上表可以猜想：產(chǎn)婦年齡，其最佳界值直接出現(xiàn)在敏感度為0.277，陰性預測值為0.881時，即在該點時，最接近左上角，整體最優(yōu)。因為產(chǎn)婦體重，其最適合界值又出現(xiàn)在敏感度為0.785，陰性預測值為0.407時，整體最優(yōu)。

最佳界值