Arís的Fanjul Hevia；文塞斯劳González-Manteiga 两条或多条ROC曲线相等性测试方法的比较研究。 （英语） Zbl 1417.62309号 计算。斯达。 33，第1期，357-377（2018）. 小结：比较诊断测试准确性的问题通常是通过比较相应的接收机工作特性（ROC）曲线来实现的。人们从不同的角度处理了这一问题。通常，ROC曲线通过曲线下各自的面积进行比较，但在涉及的曲线之间没有统一优势的情况下，首选其他程序。尽管这些方法背后的统计数据的渐近分布通常是已知的，但仍考虑了重采样计划。为了比较不同方法的性能，以及校准测试分布的不同方法，进行了模拟研究，以研究每种方法的统计能力和标称水平。 引用于2文件 MSC公司： 第62页第10页 统计学在生物学和医学中的应用；元分析 62G10型 非参数假设检验 关键词：ROC曲线；AUC公司；比较方法；重采样计划 软件：R（右）；非甾体抗炎药；pROC公司 PDF格式BibTeX公司 XML格式引用 \textit{A.Fanjul-Hevia}和\textit{W.González-Manteiga}，计算。Stat.33，No.1，357--377（2018；Zbl 1417.62309） 全文： 内政部 参考文献： [1] Antoch J，Prchal L，Sarda P（2010）ROC曲线的非参数比较：检验等效性。收录于：《现代统计推断和时间序列分析中的非参数和稳健性：纪念数学和统计收集研究所Jana Jurečková教授的节日》，第7卷。比奇伍德数学与统计研究所，第12-24页·Zbl 1060.62520号 [2] Bamber D（1975）有序优势图上方的区域和接收器操作特征图下方的区域。数学心理学杂志12（4）：387-415·Zbl 0327.92017号 ·doi:10.1016/0022-2496（75）90001-2 [3] Bandos AI，Rockette HE，Gur D（2005）一种对区域差异敏感的排列测试，用于比较成对设计的ROC曲线。Stat Med 24（18）：2873-2893·doi:10.1002/sim.2149 [4] Braun TM，Alonzo TA（2008）用于比较成对roc曲线的改进符号测试。生物统计学9（2）：364-372·Zbl 1143.62027号 ·doi:10.1093/biostatistics/kxm036 [5] DeLong ER、DeLong DM、Clarke-Pearson DL（1988）比较两个或多个相关接收器工作特性曲线下的面积：非参数方法。生物计量学44（3）：837-845·Zbl 0715.62207号 [6] Gonçalves L、Subtil A、Oliveira MR、Bermudez P（2014）《Roc曲线估算：概述》。修订版12（1）：1-20·Zbl 1314.62238号 [7] Good P（2013）置换测试：用于测试假设的重采样方法的实用指南。柏林施普林格·Zbl 0942.62049号 [8] Green D，Swets J（1966），信号检测理论和心理物理学。洛斯阿尔托斯半岛 [9] Hanley JA，McNeil BJ（1983）一种比较相同情况下接收器工作特性曲线下面积的方法。放射学148（3）：839-843·doi:10.1148/放射学.148.3.6878708 [10] Hsieh F，Turnbull BW（1996）接收机工作特性曲线的非参数和半参数估计。Ann Stat 24（1）：25-40·Zbl 0855.62029号 ·doi:10.1214/aos/1033066197 [11] Jokiel-Rokita A，Pulit M（2013）基于平滑经验分布函数的ROC曲线的非参数估计。统计计算23（6）：703-712·兹比尔1322.62122 ·数字对象标识代码：10.1007/s11222-012-9340-x [12] Krzanowski WJ，Hand DJ（2009）连续数据的ROC曲线。博卡拉顿CRC出版社·Zbl 1288.62005号 ·doi:10.1201/9781439800225 [13] Lloyd CJ（1998）使用平滑的接收器工作特性曲线来总结和比较诊断系统。美国统计协会杂志93（444）：1356-1364·数字标识代码：10.1080/01621459.1998.10473797 [14] Lloyd CJ，Yong Z（1999）ROC曲线的核估计优于经验估计。统计概率Lett 44（3）：221-228·Zbl 1156.62323号 ·doi:10.1016/S0167-7152（99）00012-7 [15] Martínez-Camplor P（2007）《皮肤病诊断比较》（Comparacionón de pruebas diagnósticas desde la curva ROC）。科伦·埃斯塔德评论30（2）：163-176·Zbl 1508.62264号 [16] Martínez-Camblor P，Corral N（2012）假设检验的通用引导算法。J Stat Plan推断142（2）：589-600·Zbl 1231.62078号 ·doi:10.1016/j.jspi.2011.09.003 [17] Martínez-Camblor P，Carleos C，Corral N（2011）《比较独立roc曲线的强大非参数统计》。《应用统计杂志》38（7）：1317-1332·Zbl 1218.62041号 ·doi:10.1080/02664763.2010.498504 [18] Martínez-Cambler P，Carleos C，Corral N（2013）《一般非参数ROC曲线比较》。韩国统计学会杂志42（1）：71-81·Zbl 1294.62099号 ·doi:10.1016/j.jkss.2012.05.002 [19] Pepe MS（2003）《医学检验分类和预测的统计评估》。牛津大学出版社，卡里·Zbl 1039.62105号 [20] Pérez-Fernández S（2017）nsROC：非标准ROC曲线分析。R软件包版本1.0。https://CRAN.R-project.org/package=nsROC [21] R核心团队（2015）R：统计计算的语言和环境。R统计计算基金会，维也纳。https://www.R-project.org/ [22] Robin X、Turck N、Hainard A、Tiberti N、Lisacek F、Sanchez JC、Mller M（2011）pROC:R和S+用于分析和比较ROC曲线的开源软件包。BMC生物信息学12:77·doi:10.1186/1471-2105-12-77 [23] Sheather SJ，Jones MC（1991）一种用于核密度估计的可靠的基于数据的带宽选择方法。J R Stat Soc Ser B方法53（3）：683-690·Zbl 0800.62219 [24] Venkatraman E（2000）一种比较接收机工作特性曲线的排列测试。生物计量学56（4）：1134-1138·Zbl 1060.62520号 ·doi:10.1111/j.0006-341X.2000.01134.x [25] Venkatraman E，Begg CB（1996）一种无分布程序，用于比较来自配对实验的接收器工作特性曲线。生物特征83（4）：835-848·Zbl 0883.62046号 ·doi:10.1093/biomet/83.4.835 [26] Wiand S、Gail MH、James BR和James KL（1989）用于比较诊断标记与配对或非配对数据的非参数统计家族。生物医学76（3）：585-592·Zbl 0674.62075号 ·doi:10.1093/biomet/76.3585 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。