R语言中预测模型的AUC曲线图的解读 r语言calibration曲线

校准曲线图表示的是预测值和实际值的差距，作为预测模型的重要部分，目前很多函数能绘制校准曲线。

一般分为两种，一种是通过Hosmer-Lemeshow检验，把P值分为10等分，求出每等分的预测值和实际值的差距

既往我们已经介绍了使用R语言手动绘制logistic回归预测模型校准曲线（Calibration curve），今天我们来演示stata手动绘制logistic回归预测模型校准曲线（Calibration curve）校准曲线，手动绘制的好处在于加深你对绘图的理解，而且能个性化的进一步处理图形。第一种绘图本质就是我们的折线图，既往我们已经介绍了怎么使用stata绘制折线图，只要求出相关数据就可以了。

我们先导入数据，继续使用我们的早产数据

这是一个关于早产低体重儿的数据（公众号回复：早产数据，可以获得该数据），低于2500g被认为是低体重儿。数据解释如下：low 是否是小于2500g早产低体重儿，age 母亲的年龄，lwt 末次月经体重，race 种族，smoke 孕期抽烟，ptl 早产史（计数），ht 有高血压病史，ui 子宫过敏，ftv 早孕时看医生的次数，bwt 新生儿体重数值。

我们先把字符转成数字变量

g race1 =1
replace race1 =2 if race =="black"
replace race1 =3 if race =="other"
g smoke1 =1
replace smoke1 =0 if smoke =="nonsmoker"

转换好以后就可以建立模型了，怎么建立logistic回归模型，请看我既往的stata文章，这里就直接上代码了

logistic low age i.race1 i.smoke1 lwt ptl i.ht i.ui ftv

生成预测概率

predict pr,pr

先对pr进行排序

sort pr

排序后把pr分成10个等分组

egen group=cut( pr ), group(10)

算出每个等分组的pr平均值

egen meanpr=mean( pr ),by(group)

继续算出每个等分组的low值

egen meany=mean( low ),by(group)

然后绘图就可以了

scatter meanpr meany

还可以做进一步修改，下回继续聊。