ROC 曲線
2 つのカテゴリーを持つ 1 つの変数で被験者を分類する場合、その分類方法のパフォーマンスを評価するには、この手続きを使用すると便利です。
- 例
- 銀行は、ローン返済の履行と不履行について顧客を正しく分類したいと考えています。そのための意思決定を行う特殊な方法が開発されています。 ROC 曲線を使用して、こうした方法のパフォーマンスを評価することができます。
- 統計量
- 信頼区間を持つ ROC 曲線の下の領域と ROC 曲線の座標点。作図: ROC 曲線。
- 方法
- ROC 曲線の下の面積の推定値は、ノンパラメトリックに計算することも、2 負指数モデルを使用してパラメトリックに計算することもできます。
ROC 曲線データの考慮事項
- データ
- 検定変数は量的変数です。多くの場合、検定変数は、判別分析またはロジスティック回帰からの確率か、任意のスケール上の得点 (被験者をカテゴリーに分類する評価者の「確信の強さ」を示す) によって構成されます。状態変数は、任意のタイプにすることができます。この変数は、被験者が属する真のカテゴリーを示します。状態変数の値は、どのカテゴリーを正 とみなすかべきかを示します。
- 仮定
- 評価者のスケール上の数値が大きくなるほど、被験者が一方のカテゴリーに属するという評価者の確信が強くなり、このスケール上の数値が小さくなるほど、被験者が他方のカテゴリーに属するという評価者の確信が強くなると想定されます。ユーザーは、どの方向が正 であるかを指定する必要があります。さらに、各被験者が属している真 のカテゴリーがわかっているものと想定されます。
ROC 曲線の取得
この機能には、Statistics Base Edition が必要です。
- メニューから次の項目を選択します。
- 1 つ以上の確率検定変数を選択します。
- 1 つの状態変数を選択します。
- 状態変数の正 の値を特定します。
この手順により、ROC コマンド シンタックスを貼り付けます。