如何在 R 中使用逻辑回归找到 c-ctatistic 或 AUROC？

Question

我是运行逻辑回归，以了解这些 factors/variables 如何影响结果（神经并发症）。

如何获得 c 统计量——也称为接受者操作特征 (AUROC) 曲线下的面积？

    NeuroLogit2 <- glm(Neurologic Complication? ~ HTN + stroke + Gender + Embol + Drain, data=Tevar.new, family=binomial)
    summary(NeuroLogit2)

Answer 1

好吧，显然我没有你的数据，所以让我们补一些吧。在这里，我们假设我们正在根据年龄和性别对人们在任何给定年份患感冒的概率进行建模。我们的结果变量只是 "caught a cold" 的 1 和 "didn't catch a cold"

的 0

set.seed(69)
outcome <- c(rbinom(1000, 1, seq(0.4, 0.6, length.out = 1000)),
             rbinom(1000, 1, seq(0.3, 0.5, length.out = 1000)))
sex     <- rep(c("M", "F"), each = 1000)
age     <- rep((601:1600)/20, 2)

df      <- data.frame(outcome, age, sex)

现在我们将创建模型并查看它：

my_mod  <- glm(outcome ~ age + sex, data = df, family = binomial())

summary(my_mod)
#> 
#> Call:
#> glm(formula = outcome ~ age + sex, family = binomial(), data = df)
#> 
#> Deviance Residuals: 
#>     Min       1Q   Median       3Q      Max  
#> -1.3859  -1.0993  -0.8891   1.1847   1.5319  
#> 
#> Coefficients:
#>             Estimate Std. Error z value Pr(>|z|)    
#> (Intercept) -1.20917    0.18814  -6.427 1.30e-10 ***
#> age          0.01346    0.00317   4.246 2.18e-05 ***
#> sexM         0.61000    0.09122   6.687 2.28e-11 ***
#> ---
#> Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#> 
#> (Dispersion parameter for binomial family taken to be 1)
#> 
#>     Null deviance: 2760.1  on 1999  degrees of freedom
#> Residual deviance: 2697.1  on 1997  degrees of freedom
#> AIC: 2703.1
#> 
#> Number of Fisher Scoring iterations: 4

看起来不错。老年人和男性更容易感冒。

现在假设我们想使用这个模型来预测特定年龄和性别的人明年是否会感冒。如果我们将 predict 函数与 type = "response" 一起使用，我们会根据年龄和性别对数据框中的每个人进行概率估计。

predictions <- predict(my_mod, type = "response")

我们可以使用这些概率来构建我们的 ROC。这里我将使用 pROC 包来帮助：

library(pROC)

roc(outcome, predictions)
#> Setting levels: control = 0, case = 1
#> Setting direction: controls < cases
#> 
#> Call:
#> roc.default(response = outcome, predictor = predictions)
#> 
#> Data: predictions in 1079 controls (outcome 0) < 921 cases (outcome 1).
#> Area under the curve: 0.6027

所以ROC下的面积是60.27%。我们可以绘制 ROC 本身以查看它的样子：

library(ggplot2)

ggroc(roc(outcome, predictions)) +
  theme_minimal() + 
  ggtitle("My ROC curve") + 
  geom_segment(aes(x = 1, xend = 0, y = 0, yend = 1), color="grey", linetype="dashed")
#> Setting levels: control = 0, case = 1
#> Setting direction: controls < cases

^{由 reprex package (v0.3.0)}

于 2020-06-07 创建

如何在 R 中使用逻辑回归找到 c-ctatistic 或 AUROC？

How can I find the c-ctatistic or AUROC using logistic regression in R?

database

statistics

r

medical

statistical-test