从上表可知，针对产妇年龄, 产妇体重共2项构造ROC曲线，用于判断其对于“低出生体重儿”的诊断预测价值，首先进行状态变量的设置。以数字1作为切割点， 1为阳性，0作为阴性。最终从上表可可以看出：阳性（此处即为“低出生体重儿”）比例为68.78%，阴性（此处即为“非低出生体重儿”）比例为31.22%。

从上表可知，针对产妇年龄, 产妇体重共2项构造ROC曲线，用于判断它们对于低出生体重儿的诊断价值，从上表可以看出：

产妇年龄对应的AUC值为0.549，意味着产妇年龄对于低出生体重儿的诊断价值比较低。产妇体重对应的AUC值为0.601，并且呈现出0.05水平的显著性（p =0.025

总结可知：产妇年龄, 产妇体重共2项的对就看AUC值均低于0.7，意味着它们对于低出生体重儿的诊断价值较低。

上表展示最佳界值，即尤登指数的最大值（尤登指数=敏感度 + 特异度 – 1）；最佳界值的意义为ROC曲线最靠近左上角的点，即敏感度和误报率组合的相对最优值。

针对产妇年龄，其最佳界值出现在敏感度为0.277，特异度为0.881（1-特异度为0.119）时，即在该点时，最靠近左上角（此时整体最优），可通过ROC曲线图更进一步查看；

针对产妇体重，其最佳界值出现在敏感度为0.785，特异度为0.407（1-特异度为0.593）时，即在该点时，最靠近左上角（此时整体最优），可通过ROC曲线图更进一步查看。

上图为ROC曲线图，可通过ROC曲线图大概查看最佳界面，以及曲线走势情况。特别提示，如果X（检验变量）为定类数据时，此时曲线很可能比较“难看”，原因在于点很少，因而ROC曲线会较“简单”，类似下图（是否患有高血压为定类数据，产妇在妊娠期间是否吸烟为定类数据）：

最后，如果需要对比两项的AUC面积是否存在着显著性差异，比如本案例中产妇年龄, 产妇体重这两项的AUC面积是否呈现出显著性差异，则可手工录入四个数字，包括两个AUC值和两个标准误SE值。对应会生成AUC差值，z 值和p 值。上图显示，产妇年龄, 产妇体重这两项的AUC值并没有显著性差异（z =-0.8357,p =0.4033>0.05）。

具体文字分析例子如下：

针对产妇年龄, 产妇体重共2项构造ROC曲线，用于判断其对于“低出生体重儿”的诊断预测价值，首先进行状态变量的设置。以数字1作为切割点， 1为阳性，0作为阴性。最终从上表可可以看出：阳性（此处即为“低出生体重儿”）比例为68.78%，阴性（此处即为“非低出生体重儿”）比例为31.22%。

分析显示：产妇年龄对应的AUC值为0.549，意味着产妇年龄对于低出生体重儿的诊断价值比较低。产妇体重对应的AUC值为0.601，并且呈现出0.05水平的显著性（p =0.025

针对产妇年龄，其最佳界值出现在敏感度为0.277，特异度为0.881（1-特异度为0.119）时，即在该点时，最靠近左上角（此时整体最优），针对产妇体重，其最佳界值出现在敏感度为0.785，特异度为0.407（1-特异度为0.593）时，即在该点时，最靠近左上角（此时整体最优）。

最后针对产妇年龄, 产妇体重这两项的AUC面积是否呈现出显著性差异进行检验，最终显示产妇年龄, 产妇体重这两项的AUC值并没有显著性差异（z =-0.8357,p =0.4033>0.05）。

SPSSAU提供状态变量设置，事实上将Y拆分成两组，等于切割点为“阳性”，不等于切割点为“阴性”。默认切割点为数字1，此处通常情况下需要进行设置。

针对出现AUC小于0.5时，通常原因在于“阳性”和“阴性”的区分有问题，SPSSAU以等于切割点作为“阳性”，不等于切割点作为“阴性”，默认切割点为数字1。请确认设置是否有问题，如果“阳性”或“阴性”设置有误，可重新设置，或者重新上传正确的数据。

针对ROC曲线的X（检验变量）和Y（状态变量）的进一步说明，X(检验变量)和Y（状态变量）可为任意数据类型（定量和定类数据均可）；有以下两点需要特别提示：