Stata连享会 主页 || 视频 || 推文 || 知乎 || Bilibili 站
温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。
New!
lianxh
命令发布了:
随时搜索推文、Stata 资源。安装:
. ssc install lianxh
详情参见帮助文件 (有惊喜):
. help lianxh
连享会新命令:cnssc
,ihelp
,rdbalance
,gitee
,installpkg
⛳ Stata 系列推文:
作者:Bethune 学院
邮箱:bethune0507@163.com
目录
由于一个指标的诊断实验很难使灵敏度和特异度都变的很高,因此可以采用多个指标联合起来,进行诊断实验。联合试验可以分为两种类型:平行试验与系列试验。
由上图可知,为了排除某病,而缺乏灵敏度高的诊断方法时可采用平行试验,以提高灵敏度。为了确诊某病,在缺乏特异性高的诊断试验时,可采用系列试验,以提高特异度。
第一部分是两个指标的联合试验,当涉及更多个指标时,分类情况变得更为复杂。因此可以使用 logistics 回归模型,通过形成的预测概率或联合预测因子为分析指标,建立 ROC 曲线。该方法能将多指标综合为一个指标,从而实现了降维目的,尤其适用于有协变量或多指标联合诊断试验的分析评价。
logistic 回归模型在 ROC 曲线中的应用,考虑了混杂因素对疾病状态的影响,更注重诊断体系在医疗实践中的价值。也就是说,不单所评价指标对疾病有影响,其他诸如本研究中的年龄、性别、是否吸烟等因素的分布情况亦对疾病的发生起着重要作用,故将这些测量指标纳入对疾病产生影响的向量矩阵中。通过建立模型得到联合分布概率或联合预测因子,使其尽可能地更接近于总体的实际情况再进行评价。
在 Stata 中,使用 lroc
命令在进行 logit 或 logistic 后,很容易获得 ROC 曲线下的面积。
. use "https://stats.idre.ucla.edu/stat/stata/notes/hsb2.dta", clear
. generate hon=write>=60 //create binary response variable
. logit hon female, nolog
Logistic regression Number of obs = 200
LR chi2(1) = 3.94
Prob > chi2 = 0.0473
Log likelihood = -113.6769 Pseudo R2 = 0.0170
------------------------------------------------------------------------------
hon | Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
female | 0.651 0.334 1.95 0.051 -0.003 1.305
_cons | -1.400 0.263 -5.32 0.000 -1.916 -0.884
------------------------------------------------------------------------------
. lroc
Logistic model for hon
Number of observations = 200
Area under ROC curve = 0.5785
. predict xb1, xb //create linear predictor for model 1
重复上述命令,得到第二个模型的 AUC 面积为 0.8330。
. logit hon female read, nolog
Logistic regression Number of obs = 200
LR chi2(2) = 60.40
Prob > chi2 = 0.0000
Log likelihood = -85.44372 Pseudo R2 = 0.2612
------------------------------------------------------------------------------
hon | Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
female | 1.121 0.408 2.75 0.006 0.321 1.921
read | 0.144 0.023 6.19 0.000 0.099 0.190
_cons | -9.603 1.426 -6.73 0.000 -12.399 -6.808
------------------------------------------------------------------------------
. lroc
Logistic model for hon
Number of observations = 200
Area under ROC curve = 0.8330
. predict xb2, xb // create linear predictor for model 2
我们运行了两种不同的模型,并且ROC曲线下的面积为 0.578 和 0.8330。接下来,我们将使用带有 roccomp
命令的两个线性预测变量来测试 ROC 曲线下面积的差异。
. roccomp hon xb1 xb2, graph summary
ROC Asymptotic normal
Obs area Std. err. [95% conf. interval]
-------------------------------------------------------------------------
xb1 200 0.5785 0.0388 0.50242 0.65456
xb2 200 0.8330 0.0301 0.77397 0.89205
-------------------------------------------------------------------------
H0: area(xb1) = area(xb2)
chi2(1) = 34.91 Prob>chi2 = 0.0000
Note:产生如下推文列表的 Stata 命令为:
lianxh logit, m
安装最新版lianxh
命令:
ssc install lianxh, replace
免费公开课
最新课程-直播课
专题 | 嘉宾 | 直播/回看视频 |
---|---|---|
⭐ 最新专题 | 文本分析、机器学习、效率专题、生存分析等 | |
研究设计 | 连玉君 | 我的特斯拉-实证研究设计,-幻灯片- |
面板模型 | 连玉君 | 动态面板模型,-幻灯片- |
面板模型 | 连玉君 | 直击面板数据模型 [免费公开课,2小时] |
⛳ 课程主页
⛳ 课程主页
关于我们
课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法
等
连享会小程序:扫一扫,看推文,看视频……
扫码加入连享会微信群,提问交流更方便
✏ 连享会-常见问题解答:
✨ https://gitee.com/lianxh/Course/wikis
New!
lianxh
和songbl
命令发布了:
随时搜索连享会推文、Stata 资源,安装命令如下:
. ssc install lianxh
使用详情参见帮助文件 (有惊喜):
. help lianxh