❤拉拉巫喇喇Blog❤

因為常常會在文章中看到這些統計學上常用的名詞,因此在這裡做個整理

以下皆為簡易版的文字解釋,需要詳述或是了解怎麼計算的話,這裡的資訊對你可能不太夠用唷~

曲線下的面積(Area Under Curv; AUC)

來判別ROC曲線的鑑別力，AUC數值的範圍從0到1，數值愈大愈好。以下為AUC數值一般的判別規則：

AUC=0.5 (no discrimination 無鑑別力)

0.7≦AUC≦0.8 (acceptable discrimination 可接受的鑑別力)

0.8≦AUC≦0.9 (excellent discrimination 優良的鑑別力)

0.9≦AUC≦1.0 (outstanding discrimination 極佳的鑑別力)

ROC曲線

可以在不固定分界點(cut-off)的情況下，選擇一個最佳切點作為診斷參考值。利用曲線下面積(AUC)的比較可評估何項工具的診斷準確性較佳。ROC曲線結合了敏感度(sensitivity)和特異度(specificity)兩個指標，除了判別某一診斷工具的準確度外，還可更進一步地建議診斷工具的最佳切點(best cut-off point)，一般常用尋找切點的方法爲Youden index，即將每一個切點的敏感度(Sensitivity) 與 特異度(Specificity)相加，並取最大值，即為最佳切點。

組內相關係數ICC

用來測量施測者間信度。ICC可被表示為組間的變異和總變異的比值。

資料建立：ICC的目的是用來評論施測者間的影響和受測族群間的關係。

解釋：當受測目標間沒有差異時，ICC的值會接近1，顯示總變異全來自受測者自身的不同。

95%信賴區間（Confidence interval）

信心水準一般用百分比表示，因此信心水準0.95上的信賴區間也可以表達為：95%信賴區間。信賴區間的兩端被稱為置信極限。對一個給定情形的估計來說，信心水準越高，所對應的信賴區間就會越大。