DCA曲线怎么做：SPSSAU操作步骤与结果解读.docxVIP

一、DCA曲线所属模块

DCA曲线在SPSSAU中属于【实验/医学研究】模块。

二、方法概述

DCA曲线主要用于判断预测模型在不同风险阈值下是否具备实际应用价值，核心不是只看预测准不准，而是看把模型真正用于决策后是否更划算。它常见于医学预测、风险分层和临床辅助决策等场景，适合在模型已经建立完成后进一步评估模型有没有应用意义。

三、变量设置规则

1.变量类型与数量

DCA曲线需要设置2类变量，且两类变量都为必填。其中，真实值变量只能放入1个；预测概率值变量最少放入1个，最多可放入50个，因此既可以评估单个模型，也可以同时比较多个模型。

（1）真实值

?变量数量：只能放入1个。

?是否必填：必填。

?变量要求：该变量必须是二分类结果，数值只能包括0和1，通常可理解为是否发生、是否阳性、是否存在结局。

（2）预测概率值

?变量数量：最少1个，最多50个。

?是否必填：必填。

?变量要求：这里放入的是模型输出的预测概率，用来评估模型在不同阈值下的净收益表现。如果放入多个预测概率值，就可以把多个模型的DCA曲线放在一起比较。

四、分析结果表格及其解读

DCA曲线分析后会输出1张结果表，用于查看某一阈值下不同模型的分类情况和净收益表现。

1.表1：某阈值时计算过程值

该表格的作用是把某个阈值下各模型的识别结果和净收益集中展示出来，包含阈值、样本量、TP值、FP值、FN值、TN值