# Stata：logistic 回归模型中的 ROC 与 AUC-lroc

Stata连享会   主页 || 视频 || 推文 || 知乎 || Bilibili 站

New！ `lianxh` 命令发布了：

`. ssc install lianxh`

`. help lianxh`

⛳ Stata 系列推文：

## 2. 单个试验与 logistics 回归模型

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。

## 3. 单个模型的 ROC

``````. 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
``````

## 4. 两个模型的 ROC

``````. 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
``````

``````. 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
``````

## 5. 参考资料

• HOW CAN I TEST THE DIFFERENCE IN AREA UNDER ROC CURVE FOR TWO LOGISTIC REGRESSION MODELS -Link-
• 陈卫中, 潘晓平, 倪宗瓒. logistic 回归模型在 ROC 分析中的应用[J]. 中国卫生统计, 2007, 24(1): 22-24. -Link-

## 6. 相关推文

Note：产生如下推文列表的 Stata 命令为：
`lianxh logit, m`

`ssc install lianxh, replace`

## 相关课程

### 最新课程-直播课

• Note: 部分课程的资料，PPT 等可以前往 连享会-直播课 主页查看，下载。

### 关于我们

• Stata连享会 由中山大学连玉君老师团队创办，定期分享实证分析经验。
• 连享会-主页知乎专栏，700+ 推文，实证分析不再抓狂。直播间 有很多视频课程，可以随时观看。
• 公众号关键词搜索/回复 功能已经上线。大家可以在公众号左下角点击键盘图标，输入简要关键词，以便快速呈现历史推文，获取工具软件和数据下载。常见关键词：`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`

✏ 连享会-常见问题解答：
https://gitee.com/lianxh/Course/wikis

New！ `lianxh``songbl` 命令发布了：

`. ssc install lianxh`

`. help lianxh`