Boot重抽样获取logistic回归内部验证AUC可信区间

bootstrap自采样目前广泛应用与统计学中，其原理很简单就是通过自身原始数据抽取一定量的样本（也就是取子集），通过对抽取的样本进行统计学分析，然后继续重新抽取样本进行分析，不断的重复这一过程N（大于500次以上）次，然后得到N个统计结果，然后进行区间分析，得到最终结果。


在既往文章中，我们已经介绍了《R语言使用BOOT重抽样获取cox回归方程C-index（C指数）可信区间(2)》，很多粉丝发信问怎么做logistic回归内部验证AUC可信区间，我这些天也查了一下资料，发现主要分为两种方法一种是对数据进行重抽样，然后算出每个数据的AUC然后求出可信区间，这种方法是不能绘制ROC的可信区间图的，另一种是对结果数据进行抽样，可以绘制ROC可信区间图，如上图。我打算这两种方法都介绍一下，给大家多一种选择把，继续使用我们的不孕症数据（公众号回复：不孕症，可以获得数据）

library(pROC)
bc<-read.csv("E:/r/test/buyunzheng.csv",sep=',',header=TRUE)

数据有8个指标，最后两个是PSM匹配结果，我们不用理他，其余六个为：
Education：教育程度，age:年龄，parity产次，induced：人流次数，case：是否不孕，这是结局指标，spontaneous：自然流产次数。
有一些变量是分类变量，我们需要把它转换一下

bc$education<-ifelse(bc$education=="0-5yrs",0,ifelse(bc$education=="6-11yrs",1,2))
bc$spontaneous<-as.factor(bc$spontaneous)
bc$case<-as.factor(bc$case)
bc$induced<-as.factor(bc$induced)
bc$education<-as.factor(bc$education)

本文为转载文章，全文地址如下：https://mp.weixin.qq.com/s?__biz=MzI1NjM3NTE1NQ==&mid=2247486291&idx=1&sn=a7c61aa3e886777b8d7f5f05c2bf1809&chksm=ea26eb4fdd5162592a5b56ef2bba6c489564d0207ca415fd829d435121829d5080e9ee9bca20#rd