第二章ROC曲线分析概要
本文先介绍了ROC理论的一些基础知识如特异度和灵敏度等，然后简要介绍
了非参数ROC分析方法，并建立了ROC模型。最后介绍了ROC曲线及在R软件中的绘
制。
21ROC分析的基本要素
ROC分析的基本要素包括真阳性和假阳性也称灵敏度和特异度，以及“金标
准”
“金标准”划分被测试者的真实状态为对照组和病例组两类。常见的金标准
有跟踪随访、活组织检查、尸体解剖、手术探查等。虽然“金标准”没有必要是
十全十美的，但“金标准”应与评价的诊断系统无关，而且比要评价的诊断系统
更可靠。“金标准”不够完美时，可用采用Bayesia
、模糊金标准、EM估计等方
法解决。
对按照“金标准”确定的二分类总体，对照组和病例组分别用阴性和阳性表
示诊断试验结果。假定总体样本量是N，诊断试验的可能结果总共有四种：被测
试者患病且被正确诊断为患病者，被测试者无病且被错误诊断为患病者，被测试
者无病且被正确诊断为无病者，被测试者无病且被错误诊断为患病者。我们可以
用一个2×2的列联表来表示它们之间的关系。
“金标准”
诊断结果
合计
患病者
健康者
阳性
a真阳性
b假阳性
ab
阴性
c假阴性
d真阴性
cd
合计
ac
bd
abcdN
a
b
FPR
ac
bd
在医学研究中，诊断试验准确度指标最常用的是灵敏度与特异度。
TPR
灵敏度（se
sitivity），也叫真阳率（truepositiverate，即TPR）是被
测试者患病且被正确诊断为患病者的样本量在阳性总体中占的比例。灵敏度值越
大，假阴率越小。据表21其计算公式是：灵敏度se
sitivity真阳率TPR
1假阴率FNR
a
ac
标准误为：SETPR√acac3
特异度（specificity），也叫真阴率（true
o
positiverate，即TNPR），
f是受试者无病且被正确诊断为无病者的样本量占阴性总体的比例。
假阳率（falsepositiverate，即FPR）1特异度
特异度值越大，假阳率越小。据表21其计算公式是：
特异度specificity真阴率TNPR1假阳率FPR
d
bd
标准误为：SEFPR√bdbd3
假设二分类总体均服从正态分布，TPR、FPR、TNPR和FNPR之间的关系可以
用图21来描述。图中xc为截断点（诊断阈值），α为假阳率（FPR），β
为假阴率（FNPR）。
22ROC准确性评价指标的优越性
诊断试验的准确性评价指标有正确率、灵敏度和特异度等。它们虽然都可以
反映诊断的准确性，但评价的效果不是很理想。
正确率是被测试者被正确诊断的例数和所占总体的百分数。其计算公式是：
ad
正确百分率
×100
N
标准误是：SE正确百分率√adbcN3
正确百分率的不足之处：
1．很大程度上依赖r