如题
data中已有自变量，
也已知模型系数，
如何拟定方程并行检验
行区分度，校准度及DCA
思路：要去检验行区分度，就需要先评价预测模型，通过ROC曲线下面积(AUC)，去评判检验行区分度。
标准：AUC越大，说明预测模型的判别区分能力越好。一般AUC<0.6认为区分度较差，0.6-0.75认为模型有一定的区分能力，>0.75认为区分能力较好。
思路：要去检验校准度，在实际应用中，通常用Hosmer-Lemeshow good of fit test（拟合优度检验）来评价预测模型的校准度。Hosmer-Lemeshow检验的基本思路如下：
- 首先根据预测模型来计算每个个体未来发生结局事件的预测概率；
- 根据预测概率从小到大进行排序，并按照十分位等分成10组；
- 分别计算各组的实际观测数和模型预测数，其中模型预测数，即每个人的预测概率*人数，再求总和，这里人数即为1，最后总和就相当于每个个体预测概率的直接加和；
- 根据每组实际观测数和模型预测数计算卡方值（自由度=8），再根据卡方分布得到对应的P值。
标准：若所得的统计量卡方值越小，对应的P值越大，则提示预测模型的校准度越好。若检验结果显示有统计学显著性（P<0.05），则表明模型预测值和实际观测值之间存在一定的差异，模型校准度差。
参考链接：https://new.qq.com/rain/a/20220714A00ZA200