spss怎么用天数据表示月变化
spss中哪个是自变量哪个是因变量？
spss中哪个是自变量哪个是因变量？
自变量是自己可以变化的量，因变量是随着自变量变化而变化的量
spss软件19和25区别？
总的来说，常用功能没啥变化，加入了些针对市场研究的工具。
对于懂统计的同志，建议使用SPSS的英文版，而非中文版
如何用spss画roc图像？
ROC曲线图是反映敏感性与特异性之间关系的曲线。横坐标X轴为 1 – 特异性，也称为假阳性率（误报率），X轴越接近零准确率越高；纵坐标Y轴称为敏感度，也称为真阳性率（敏感度），Y轴越大代表准确率越好。
根据曲线位置，把整个图划分成了两部分，曲线下方部分的面积被称为AUC（Area Under Curve），用来表示预测准确性，AUC值越高，也就是曲线下方面积越大，说明预测准确率越高。曲线越接近左上角（X越小，Y越大），预测准确率越高。
案例分析
（1）背景
当前进行一项影响“低出生体重儿”的研究，希望研究产妇年龄，产妇体重对于“低出生体重儿”的预测准确率。将低出生体重儿赋值为1，正常出生体重儿赋值为0。
（2）操作步骤
使用路径：SPSSAU→可视化→ROC曲线
拖拽分析项到分析框中，放置位置如下图所示：
右侧的数值（分割点）代表变量Y的判断标准，大于或等于这个标准的数值判断为“阳性”，小于这个标准的数值判断为“阴性”。默认判断数值为1，如果默认数值与判断标准不符，可手动修改。
*设置不同的数值，会得到不一样的结果，如果没有公认的金标准，也可以尝试设置不同的数值，对比分析找到更佳的预测曲线。
本例中数字1代表低出生体重儿，数字0代表正常儿，所以将分割点设为1。
（3）结果分析
①频数分析
表1 频数分析
表1为频数分析表格，主要来简单描述Y值的分布情况。根据上表显示，低出生体重儿共有130人，正常儿为59人，阳性比例为68.78%，阴性比例为31.22%。
②ROC结果汇总表
表2 ROC曲线结果汇总
表2展示的是根据产妇年龄、产妇体重分别构建的ROC曲线。
AUC代表ROC曲线下的面积，表示预测准确率。AUC值取值在0-1之间，数值越大，代表正确率越高。
根据上表可知，产妇年龄对应的AUC值为0.549，说明产妇年龄对于低出生体重儿的诊断价值比较低。产妇体重对应的AUC值为0.601大于0.05但小于0.7，P0.025 lt0.05，说明虽然产妇体重对低出生体重儿的诊断价值显著的高于0.5，但诊断价值依旧比较低。
综合来看，产妇年龄、产妇体重两个因素对判断低出生体重儿的诊断价值都比较低。
ROC曲线
从ROC曲线上也可以直观的看出：曲线没有靠近左上角，说明诊断的准确性并不高，也就没有很高的诊断价值。
③ROC最佳界值结果
最佳界值
如果表2的某个因素的AUC值大于0.7说明有较高的诊断价值，此时可通过此表找到最佳界值。最佳界值点也就是ROC曲线最靠近左上角的点。
从上表可以看出：产妇年龄，其最佳界值出现在敏感度为0.277，特异度为0.881时，即在该点时，最靠近左上角，整体最优。针对产妇体重，其最佳界值出现在敏感度为0.785，特异度为0.407时，整体最优。
最佳界值