最近在做患病與否和PRS、年齡、性別等回歸方程，這里把我的做法做一個(gè)總結(jié)，以下以SPSS為例
R中也一樣glm一下
1、數(shù)據(jù)你們都有的整理好扔到SPSS里，順便整理下個(gè)數(shù)據(jù)格式，連續(xù)型變量要設(shè)為標(biāo)度
2、回歸
我用的是患病與否做因變量，所以我選擇二元邏輯回歸(分析→回歸→二元logistics)

因變量：患病與否
自變量：你想分析的，連續(xù)型變量不用處理，二分類(lèi)變量需要在分類(lèi)里選擇分類(lèi)變量

保存選擇概率就好了，繪制ROC需要

選項(xiàng)里能選的都選上，反正能多出點(diǎn)看看數(shù)據(jù)情況

確定會(huì)出相應(yīng)的回歸曲線
結(jié)果主要看這兩張表

第一張表主要是以曲線判定預(yù)測(cè)正確率
第二張表B為方程系數(shù)、顯著性（sig.）為顯著性差異、Exp為or值最后兩列為上下限
方程公式為P=1/(1+EXP(x)),上圖為例年齡、性別、PRS均顯著，所以x=0.118age+0.439sex+0.876*PRS-11.938

3.ROC曲線繪制及cutoff值確定
分析→ROC曲線
驗(yàn)證變量:上一步保留的概率
狀態(tài)變量：患病與否等因變量
同樣的能勾選的都勾選了

查看結(jié)果
個(gè)案情況

區(qū)域大于0.7就是比較好了，當(dāng)然太大就要懷疑一下了，比如0.9以上，過(guò)于優(yōu)秀了，p值一樣的要小于0.05。
數(shù)據(jù)量小時(shí)線不是那么平滑，可以雙擊曲線，add interdependent line→spline→apply，然后選中原線條按delete

這里就是cutoff值了，第一列和第二列差值最大值對(duì)應(yīng)的變量為cutoff值

cutoff的具體判定方法如下圖