假设某医生要比较两种诊断方法的总体准确性大小，该医生使用两种诊断方法分别对同一群患者进行了测量。患者的真实状态已知。

mod1代表诊断方法1测量结果，mod2代表诊断方法2测量结果，取值越大说明得病的可能性越大（本例中为有序多分类变量，赋值1-6。实际情况也可以是连续变量）。status代表患者真实的状态，0为正常，1为异常。

在stata中输入命令：

roccomp status mod1 mod2, graph summary

命令roccomp（比较ROC曲线下面积）后第一个变量应该代表患者的真实状态，后面的变量为待评价的诊断方法，可以为多个。

结果如下：

图1. 相同样本不同诊断方法的ROC面积检验

其中诊断方法1 ROC面积为0.8828，95%CI为（0.8207-0.9450），诊断方法2的ROC面积为0.9302，95%CI为（0.8801-0.9804），二者差异性检验P=0.1282，无统计学差异。

另外stata还给出ROC图：

图2. 相同样本不同诊断方法的ROC

假设上例中，诊断方法1测量结果来自样本1，诊断方法2测量结果来自样本2，测量结果与上例相同。

mod代表诊断方法，取值1/2分别代表诊断方法1和诊断方法2，该两种诊断方法分别应用于不同的样本。status代表真实患病状态，1代表异常，0代表正常。rating代表两个诊断方法的评分，评分越高患病的可能性越高（本例中为有序多分类变量，赋值1-6。实际情况也可以是连续变量）。pop代表人数，对于第一行，表示诊断方法1评分为1且患者真实状态为正常的人数共有12人。

stata中输入以下命令：

roccomp status rating [fw=pop], by(mod) graph summary

fw=pop告诉软件pop变量代表的是人数。代表诊断方法的变量要放入by后的括号中。如果数据类型并没有pop变量，即一行代表一个人，那么可以将[fw=pop]省略。

结果如下：

图3. 不同样本不同诊断方法的ROC面积检验

诊断方法1的ROC面积为0.8828，95%CI为（0.8207-0.9450），诊断方法2的ROC面积为0.9302，95%CI为（0.8801-0.9804），二者差异性检验P=0.2447，无统计学差异。由于该例子的数据与上面例子一样，因此两个ROC的面积和95%CI相同，不同的是该例中P值变大了，这是因为独立样本的变异比同一个样本的变异要大。

图与上例中一致。

以上两个例子的区别主要在于数据格式。若诊断方法的测量结果来自同一样本，那么测量数据应该平行排列，分别用mod1和mod2两个变量表示，如果测量数据来自不同的样本，那么数据应该垂直排列，用mod的不同取值代表不同的诊断方法。