研究者在發展一個新的構念(construct)時，會依據這個新構念的定義，依據歸納法的流程，編制適合且具代表性的題目，形成新的測量工具，而此新量表需要具備良好的信效度。
此外，若為應用在臨床上篩檢的量表，則需另外找出關鍵的切截點分數(cut-off score)，找出正確篩檢出高風險族群的分析，此時就需要進行「ROC曲線法（ROC curve, receiver operating characteristic curve）」（以下均簡稱為ROC）的分析。
接下來，本篇文章會介紹ROC的基本概念，以及提供一個範例，使用SPSS統計分析軟體進行ROC分析的操作，並在最後解說如何判讀最佳的切截點分數。
ROC分析會提供ROC 曲線下面積（area under the ROC curve, AUC），其功能在於告訴我們這個新量表具備多準確的篩檢能力，roc曲線下面積越大，表示新量表篩檢的準確度越高，以下表格為詳細的判斷標準依據。
表1 ROC曲線下面積的判斷標準
參考文獻：蘇宜芬、張祐瑄、李孟峰、黃鈺茜(2016)。國小二至六年級朗讀流暢度篩檢準確度及切截點分析。教育科學研究期刊，61(4)，33-57。doi:10.6209/JORIES.2016.61(4).02
如果已經確認新量表的曲線下面積具有良好的篩檢度之後，下一步就是介紹ROC曲線的橫軸和縱軸標題。
- 橫軸為「錯誤接受率」：
- 被錯誤篩檢出為高風險個案的人數占所有低風險個案人數的比率。
- 為1－特異度：「FP÷(FP＋VN)」
- 縱軸為「正確接受率」：
- 正確地篩檢出高風險個案的人數占所有高風險個案人數的比率。
- 例如100個人當中，有40個人是高風險個案，而用新量表某個切截點分數可篩檢出30個人是高風險個案，其正確接受率為30/40 = 0.75。
- 為敏銳度：「VP÷(VP＋FN)」
- 命中率
- 正確接受和正確拒絕的個案人數佔整體篩檢人數的比率。
- 計算公式為：「(VP＋VN)÷(VP＋FN＋FP＋VN)」
- 錯誤拒絕率
- 高風險個案未被篩檢人數占所有高風險個案人數的比率。
- 計算公式為：「FN÷(VP＋FN)」
表2 預測校標各項指標
參考文獻：蘇宜芬、張祐瑄、李孟峰、黃鈺茜(2016)。國小二至六年級朗讀流暢度篩檢準確度及切截點分析。教育科學研究期刊，61(4)，33-57。doi:10.6209/JORIES.2016.61(4).02
【範例】
檢測青少年憂鬱量表的切截點分數(cut-off score)，校標採用貝克憂慮量表(The Beck Depression Inventory, BDI)
【SPSS分析過程與結果】
一、載入資料
SPSS的「分析」→「ROC曲線」
二、設定變數
將青少年憂鬱量表放入「檢定變數」，將症狀放入「狀態變數」，並需要輸入症狀的判定編碼。
本篇範例將憂鬱症之個案編碼為1 (BDI>=10)，因此在狀態變數的值輸入1。
三、分析結果
本研究發現AUC(曲面下面積)為0.905，高於0.7的標準，且檢定顯著性小於0.05，表示青少年憂鬱量表在預測症狀上有顯著效果。
因為SPSS的中文版有許多翻譯問題，所以這邊的1-明確度為上述提及之「1－特異度」。
下述資料可以用於判斷最佳切點，根據Youden index = 敏感性(sensitivity)+特殊性(specificity)進行判定。
四、【切截點分數判斷標準】
最常使用作為切截點分數的判斷依據為「敏感性(sensitivity)+特殊性(specificity)」後得分最高者，即為最適的切截點分數(林方琳、林月仙，2012)。
下圖顯示青少年憂鬱量表的最適切截點分數為「5.5分」。
【參考文獻】
林方琳、林月仙(2012)。「學前兒童疑問句回應測驗」之編製。測驗學刊，59(2)，187-218。doi:10.7108/PT.201206.0187
蘇宜芬、張祐瑄、李孟峰、黃鈺茜(2016)。國小二至六年級朗讀流暢度篩檢準確度及切截點分析。教育科學研究期刊，61(4)，33-57。doi:10.6209/JORIES.2016.61(4).02
