在科研统计中，有时候需要用ROC曲线来表示我们某一方法的诊断能力(或者说2分类能力)，于是乎就涉及到了ROC曲线的绘制。大部分人还是会使用SPSS进行统计分析的，也有会使用SPSS绘制ROC曲线的童鞋。但是，ROC曲线默认所画出的叫做“非参数-ROC曲线”，这种曲线是直接根据计算的“敏感度”以及对应的“1-特异性”画出来的。所以是一条难看的不光滑曲线(如上图中的散点图)。为了让我们的文章与国际文章接轨，让我们的统计图看起来更Professional，我们当然要把不漂亮的“非参数”ROC曲线变成光滑的“参数”ROC曲线(如上图中的棕红色光滑曲线)。
目前ROC曲线的参数拟合，最为广泛的方法是“双正态”模型拟合法；当然还有如“优势比例”模型的拟合等其他方式。SAS对与这样的图像拟合是最为麻烦的，需要写程序；SPSS只能用非参数的方法，如果用参数法也需要写程序。但是，Stata却可以完成双正态参数ROC曲线的拟合。
在Stata中实现这个拟合其实是非常非常简单的。只需依次点击
Statistics -> Epidemiology and related
-> ROC analysis -> ROC models
assuming a binormal distribution
打开rocfit对话框即可。填入参考变量和分类变量即可开始拟合。当然，默认的情况下，有时会遇到如下提示：
. rocfit reference classifiedvariable classified has over 20 unique
values; use continuous(#) to group into # categories or
continuous(.) if variable is already
categoricalr(198);
这里提示的意思也就是说分类值(我们所要分类的数据)多于20个值，也就是不是计数资料而可能是计量资料，可以按照计量资料进行计算或者规定分类作为计数资料。对我们来说，最方便的当然是在rocfit菜单中规定为计数资料，我们可以按照自己的需求设置为20或30类或更多。
然后依次点击
Graphics -> ROC analysis ->
Parametric ROC curve after rocfit
这样就可以看到拟合前后的曲线了。