R语言广义线性模型Logistic回归模型C Statistics计算

区分能力指的是回归模型区分有病/无病、有效/无效、死亡/存活等结局的预测能力。比如，现有100个人，50个确定患病，50个确定不患病；我们用预测模型预测出45个有病，55个没病。那么这45个覆盖到50个真正有病的人的多少就直接决定了模型预测能力的准确程度，我们将其称为区分度，通常用ROC、C-Statistics来度量（在Logistic回归模型中ROC曲线下面积AUC=C-Statistics）。当然净重新分类指数（net reclassification improvement，NRI）和综合判别改善指数（integrated discrimination improvement，IDI）也是比较不同模型区分度的度量指标，后续章节中会进一步讲解。

对每个个体来说，我们既不希望误诊也不希望漏诊，所以对于基于Logistic 回归预测模型的好坏，常常会像做诊断试验一样绘制ROC曲线来判断预测的区分度。不同的是，用于绘制ROC曲线所用的指标不再是临床上的某个检测结果，而是用Logistic回归模型的预测概率。根据预测概率的大小判断事件是否发生，这样会得到一连串的灵敏度和特异度用于绘制ROC曲线，帮助我们来了解构建的预测模型是不是能准确预测事件的发生。

#C-statistics计算

library(foreign)

library(rms)

mydata<-read.spss("lw