面向空间点图和缺失-存在数据的ROC曲线
统计方法学
2025-06-05 v1
摘要
接收者操作特征（ROC）曲线最近被用于评估空间缺失-存在或仅存在数据模型的性能。应用包括物种分布建模和矿产 prospectivity 分析。我们阐明了在此背景下ROC曲线的解释。与文献中声明的不同，ROC不度量空间模型的拟合程度，其作为预测能力度量标准的解释较弱；它是排序能力的度量标准，对模型的精确形式不敏感。为深入理解，我们在ROC与现有空间点图数据统计技术之间建立联系。ROC曲线下面积（AUC）与原假设检验有关，即解释变量无实际效果的原假设。ROC曲线的形状具有诊断解释。这建议了几项新的技术，扩展了ROC曲线在空间数据中的应用范围，以支持变量选择和模型选择、分析不同类型点之间的隔离、基线调整以及分析空间case-control数据。这些新技术通过几个真实数据集进行了演示。开源R代码实现了这些技术，已包含在我们软件包spatstat的最新开发版本中[Baddeley and Turner, 2005, Baddeley et al., 2015]，并将包含在下次公开发布版本中。
引用
@article{arxiv.2506.03414,
title = {ROC Curves for Spatial Point Patterns and Presence-Absence Data},
author = {Adrian Baddeley and Ege Rubak and Suman Rakshit and Gopalan Nair},
journal= {arXiv preprint arXiv:2506.03414},
year = {2025}
}