DDL求助！

在做二元 logistic 回归时，通常会使用 ROC 曲线来评估模型的性能，以确定分类器的性能是否良好。对于 ROC 曲线，其横坐标为 1-特异度，纵坐标为灵敏度。通常情况下，我们会计算 ROC 曲线下面积（AUC），来衡量分类器的性能。

在你的情况下，你已经做了二元 logistic 回归，并且通过计算 ROC 曲线，发现 P 值大于 0.05，这意味着模型不能很好地区分阳性和阴性样本。但是，即使 P 值大于 0.05，ROC 曲线仍然是有用的，因为它可以帮助你确定分类器的性能，以及对分类器进行比较。此外，ROC 曲线下面积（AUC）可以帮助你比较不同分类器的性能，以确定哪个分类器更好。

因此，即使 P 值大于 0.05，ROC 曲线仍然可以用来评估分类器的性能和进行比较。但是，需要注意的是，P 值只是一种用来判断统计学显著性的方法，ROC 曲线的实际意义更加广泛。

可能是不存在截断值，或者不符合约登指数的条件