请教画ROC曲线output窗口里Coordinates of the Curve这个表里数据减少的问题

请教一下问什么用SPSS画ROC曲线时（A1 与S，A1填在test  Variable里，S填在stateVariable里 ），在结果里输出的数据个数要少于原始数据的个数，如：我用171个数据画ROC曲线，在SPSS的output窗口里Coordinates of the Curve这个表里只包含169个数据，我画了多次，结果都是这样的。当我用A2与S（A1填在test  Variable里，S填在stateVariable里）画ROC曲线时，在SPSS的output窗口里Coordinates of the Curve这个表里只包含149个数据，我画了多次，结果都是这样的。请高手指点！

我觉得应该是缺失值的问题 LZ可以看看数据里有没有空白的地方
如果是missing value 最好看一下这些missing value有没有内在联系在考虑移除
比如临床实验 开始前记录一次 结束记录一次 但是有人中间因为副作用死了 结束时就是missing value
这样不能直接remove missing value 因为副作用是要检验的目标之一
可以考虑MMC或者Component Regression来弥补这些
还有一种情况是uncertainty
比如年龄 应该是连续变量 但是有的人用>40或者<30来表示 那可以用这个范围的median或者mean来代替 取决于这个variable的分布
如果不是的话就要具体问题具体分析了 LZ可以描述一下数据来帮助判断

期待高手呀

在ROC 曲线的option 选项中 有 一个对 missing value在 spss处理的 选项。
因为你 两次 进行运算时 采用的变量不同， 每个变量的缺失的 case 不同， spss 在两次不同的运算时 对参与运算的变量的缺失进行了处理， 导致你两次的case数不同， 和总case数也不同。

谢谢二楼提醒，我把数据及结果列出来：我的原始数据的自变量—雌激素有171个，而在结果里只有149个
雌激素        转归
1.30000               1
2.58000               1
3.19000               1
3.90000               1
15.26000               1
3.70000               1
1.82000               1
1.38000               1
2.23000               1
5.80000               1
1.24000               1
1.03000               1
2.52000               1
3.41000               1
1.03000               1
7.50000               1
10.64000               1
3.93000               1
4.17000               1
6.25000               1
6.79000               1
8.06000               1
6.78000               1
8.02000               1
8.23000               1
3.56000               1
18.67000               0
2.28000               1
9.11000               1
4.22000               0
3.95000               1
1.04000               1
1.08000               1
10.56000               0
8.80000               1
5.30000               1
3.50000               1
20.92000               1
2.86000               1
6.02000               1
  .24000               1
2.63000               1
8.98000               1
12.62000               1
  .75000               1
1.57000               1
15.60000               0
  .51300               1
4.29000               0
8.83000               1
3.60000               1
2.90000               1
7.13000               1
2.95000               1
9.02000               1
8.02000               1
38.43000               1
3.85000               1
3.72000               1
7.51000               1
4.87000               1
1.42000               1
7.15000               1
24.83000               0
3.57000               1
7.56000               0
16.18000               0
17.00000               0
18.45000               0
4.84000               1
  .39000               1
7.58000               1
3.38000               1
9.72000               1
16.89000               1
2.59000               1
11.53000               1
31.32000               1
2.40000               1
21.96000               0
1.75000               1
2.70000               1
4.17000               1
1.04000               1
11.83000               1
1.87000               1
5.11000               1
18.04000               0
1.27000               1
3.78000               1
1.57000               1
6.89000               0
1.31000               1
7.95000               0
2.23000               1
6.70000               1
12.25000               0
1.65000               1
4.56000               0
13.55000               1
8.98000               1
1.20000               1
22.71000               0
5.45000               1
3.68000               1
2.50000               0
5.70000               1
1.39000               1
4.50000               1
18.67000               0
2.70000               1
8.45000               0
6.87000               1
6.59000               1
3.67000               1
9.45000               1
8.50000               1
9.20000               1
2.47000               1
6.26000               1
3.20000               1
6.96000               1
3.10000               1
4.56000               1
5.60000               1
9.25000               0
6.78000               1
5.27000               1
6.78000               0
5.30000               1
2.05000               1
3.05000               1
19.30000               1
5.32000               1
8.30000               1
3.99000               0
2.92000               1
7.80000               0
4.15000               0
1.70000               1
  .28000               0
3.02000               1
9.05000               1
11.25000               1
6.09000               1
24.85000               1
4.79000               1
7.30000               1
5.60000               1
20.39000               1
6.02000               1
8.50000               0
6.92000               1
8.63000               1
9.20000               1
10.00000               1
3.93000               1
12.25000               1
20.08000               0
7.50000               1
  .59000               1
2.18000               0
3.37000               1
3.46000               1
8.06000               0
8.30000               1
1.08000               0
2.08000               0
10.11000               0
2.48000               1
11.84000               0
结果如下：
Coordinates of the Curve
Test Result Variable(s): 雌激素
Positive if
Greater
Than or
Equal
To(a)      Sensitivity     1 - Specificity
-.7600        1.000        1.000
.2600        1.000        .993
.3350        .971        .993
.4515        .971        .985
.5515        .971        .978
.6700        .971        .971
.8900        .971        .964
1.0350        .971        .949
1.0600        .971        .934
1.1400        .941        .927
1.2200        .941        .920
1.2550        .941        .912
1.2850        .941        .905
1.3050        .941        .898
1.3450        .941        .891
1.3850        .941        .883
1.4050        .941        .876
1.4950        .941        .869
1.6100        .941        .854
1.6750        .941        .847
1.7250        .941        .839
1.7850        .941        .832
1.8450        .941        .825
1.9600        .941        .818
2.0650        .941        .810
2.1300        .912        .810
2.2050        .882        .810
2.2550        .882        .796
2.3400        .882        .788
2.4350        .882        .781
2.4750        .882        .774
2.4900        .882        .766
2.5100        .853        .766
2.5500        .853        .759
2.5850        .853        .752
2.6100        .853        .745
2.6650        .853        .737
2.7800        .853        .723
2.8800        .853        .715
2.9100        .853        .708
2.9350        .853        .701
2.9850        .853        .693
3.0350        .853        .686
3.0750        .853        .679
3.1450        .853        .672
3.1950        .853        .664
3.2850        .853        .657
3.3750        .853        .650
3.3950        .853        .642
3.4350        .853        .635
3.4800        .853        .628
3.5300        .853        .620
3.5650        .853        .613
3.5850        .853        .606
3.6350        .853        .599
3.6750        .853        .591
3.6900        .853        .584
3.7100        .853        .577
3.7500        .853        .569
3.8150        .853        .562
3.8750        .853        .555
3.9150        .853        .547
3.9400        .853        .533
3.9700        .853        .526
4.0700        .824        .526
4.1600        .794        .526
4.1950        .794        .511
4.2550        .765        .511
4.3950        .735        .511
4.5300        .735        .504
4.6750        .706        .496
4.8150        .706        .489
4.8550        .706        .482
4.9900        .706        .474
5.1900        .706        .467
5.2850        .706        .460
5.3100        .706        .445
5.3850        .706        .438
5.5250        .706        .431
5.6500        .706        .416
5.7500        .706        .409
5.9100        .706        .401
6.0550        .706        .387
6.1700        .706        .380
6.2550        .706        .372
6.4250        .706        .365
6.6450        .706        .358
6.7400        .706        .350
6.7850        .676        .336
6.8300        .676        .328
6.8800        .676        .321
6.9050        .647        .321
6.9400        .647        .314
7.0450        .647        .307
7.1400        .647        .299
7.2250        .647        .292
7.4000        .647        .285
7.5050        .647        .270
7.5350        .647        .263
7.5700        .618        .263
7.6900        .618        .255
7.8750        .588        .255
7.9850        .559        .255
8.0400        .559        .241
8.1450        .529        .234
8.2650        .529        .226
8.3750        .529        .212
8.4750        .500        .212
8.5650        .471        .204
8.7150        .471        .197
8.8150        .471        .190
8.9050        .471        .182
9.0000        .471        .168
9.0350        .471        .161
9.0800        .471        .153
9.1550        .471        .146
9.2250        .471        .131
9.3500        .441        .131
9.5850        .441        .124
9.8600        .441        .117
10.0550        .441        .109
10.3350        .412        .109
10.6000        .382        .109
10.9450        .382        .102
11.3900        .382        .095
11.6800        .382        .088
11.8350        .382        .080
12.0450        .353        .080
12.4350        .324        .073
13.0850        .324        .066
14.4050        .324        .058
15.4300        .324        .051
15.8900        .294        .051
16.5350        .265        .051
16.9450        .265        .044
17.5200        .235        .044
18.2450        .206        .044
18.5600        .176        .044
18.9850        .118        .044
19.6900        .118        .036
20.2350        .088        .036
20.6550        .088        .029
21.4400        .088        .022
22.3350        .059        .022
23.7700        .029        .022
24.8400        .000        .022
28.0850        .000        .015
34.8750        .000        .007
39.4300        .000        .000
The test result variable(s): 雌激素 has at least one tie between the positive actual state group and the negative actual state group.
             a.        The smallest cutoff value is the minimum observed test value minus 1, and the largest cutoff value is the maximum observed test value plus 1. All the other cutoff values are the averages of two consecutive ordered observed test values.

自变量—雌激素，应变量——转归。谢谢高手指点！

coordinate points of the ROC Curve 中输出的是ROC曲线上各点的坐标值，也就是选取其中任一个分界点时的

灵敏度 和 假阳性率。  

原始数据 和这个 coordinate points 并不是一一对应的。

提供一份张文彤的ROC曲线文章

我想请教一下wangxinbio26，要是原始数据 不与coordinate points of the ROC Curve 中输出的ROC曲线上各点的坐标值（灵敏度 和 假阳性率。一一对应，那么要想知道以某个原始值为分界点时的灵敏度和特异度，我们不是还要一一自己再计算出来吗？谢谢指点！

我现在知道答案了，原因是我的自变量里有重复的值，所以结果里的树值少于原始数值的个数，不过还是谢谢二楼，我将把他的答案设为最佳答案！