ROC 用于 assess the model discrimination.
最常见的是binary logistic regression
通过这个模型 算出一个 outcome 的 predicted probability  (这个值是ROC曲线中的test variable )
用于拟合这个模型的数据 实际观察到的 outcome 的 membership (这个值是ROC曲线中的state variable)
模型可以有不同的自变量（也就是指标），可以通过比较ROC曲线下的面积来比较模型.

谢谢二楼的指点，不过我的意思是两个或两个以上的自变量共同对一个应变量总共画一条（这是重点，不是有几个自变量就画几条ROC曲线）ROC曲线

我明白你的意思。我说的就是这个。
binary logistic regression 模型的自变量可以有一个，可以有两个，也可以有多个。但是反应变量或结局变量只有一个。

这样拟合的binary logistic regression模型，每一个模型对应于一个ROC曲线。ROC曲线下面积是用于评价模型
的鉴别能力的。

ROC曲线中的test variable ，state variable 中放入的不是自变量， 而分别是 预测的Y（模型预测出的概率） 和 实际观测的 Y（membership) .

当然可以用两个或两个以上的自变量共同对一个应变量总共画一条ROC 了

预测的Y（模型预测出的概率） 是要在 spss 中 logisitic 回归中 save 选项 保存predictive value 中的 probabilities.              会自动保存成一个新的变量

实际观测的 Y（membership) .   是你拟合模型时 用的那个 Y