Logistic 分析 > Receiver Operator Curve Analysis：關於數據結構、分佈和抽樣的假設是什麼？嗨 JMP 社區，
在進行邏輯分析時（即 Y = 分類和 X = 連續），數據結構、分佈和/或抽樣方法是否有任何假設，尤其是關於 ROC 分析？
具體來說，在旨在確定治療反應預測因子的臨床研究中，我注意到我的一些同事選擇反應最好和反應最差的患者，排除反應分佈的“中間”。 在確定候選預測變量後，他們繼續生成 AUC 似乎相當誇大的 ROC 分析（相同的有偏差的數據集）。因此，有意選擇患者是否違反了內置 ROC 分析的統計假設？
感謝您的幫助。
最好的，
TS
分析Re: Logistic Analysis > Receiver Operator Curve Analysis：關於數據結構、分佈和抽樣的假設是什麼？也許有人應該質疑你的同事他們方法的有效性和嚴謹性。 它基於什麼統計原理？ 這種方法有什麼風險？ 它會給參數、AUC 和任何其他數據相關結果的估計帶來什麼偏差？ 您的同事是統計分析方面的專家嗎？ 他們是否邀請了合格的專家來驗證他們的方法？
（另請注意，這種做法可能會導致分離或準分離問題，從而導致對 logistic 模型參數的估計不穩定。 您可能已經知道這個問題。）
讓我想起了早期的特別指定微陣列數據分析...
Re: Logistic Analysis > Receiver Operator Curve Analysis：關於數據結構、分佈和抽樣的假設是什麼？嗨，馬克，
感謝您的反饋：這正是我問這個問題的原因。 我確實擔心用這種有偏見的方法設定不合理的期望：當我使用具有代表性的患者群體（隨機選擇）呈現 ROC 分析數據時，我經常被告知，我的挑選同事的結果“更強”。 因此，我需要有充分的理由。
最好的，
TSRe: Logistic Analysis > Receiver Operator Curve Analysis：關於數據結構、分佈和抽樣的假設是什麼？即使用例不涉及患者結果，遺漏生物標誌物分佈的中間部分也會誇大靈敏度和特異性的估計值。 沒有必要也沒有理由對數據進行這種排除。 為什麼要等到所有數據都用完後，才發現性能要低得多，甚至無法重現？ 這種做法會設定錯誤的期望。
Re: Logistic Analysis > Receiver Operator Curve Analysis：關於數據結構、分佈和抽樣的假設是什麼？你好，
感謝您的反饋意見。 澄清一下，我在原帖中引用的例子是關於探索性生物標誌物研究，而不是關於臨床開發：關於患者健康的決策從來都不是這樣進行的。
最好的，
TSRe: Logistic Analysis > Receiver Operator Curve Analysis：關於數據結構、分佈和抽樣的假設是什麼？Re: Logistic Analysis > Receiver Operator Curve Analysis：關於數據結構、分佈和抽樣的假設是什麼？這是一個複雜的問題，但簡單的答案是“是的，數據可以使 ROC 曲線傾斜”。這樣做的原因是 ROC 曲線基於預測模型，如果使用“壞”數據生成該模型，那麼 ROC 曲線也不會很好。
ROC 曲線是一種使用模型的不同閾值檢查決策規則（預測離散二元結果 Y=0|1 的規則）的敏感性和特異性的方法。假設模型 (M) 具有數字輸出值，然後使用以下規則根據閾值 (T) 做出決策
If(M > T) --> 預測 Y=1，否則 --> 預測 Y=0。
ROC 允許您查看閾值對分類的影響，一般來說，ROC 曲線下的面積越大，模型在一系列潛在閾值上進行正確分類的能力就越好。
沒有真正對基礎數據或分佈做出其他假設。
