roc.test函数能否用于因变量不同的两条ROC曲线的AUC比较？

请问roc.test函数是否仅能用于两条ROC曲线（roc1和roc2）的因变量（二分类变量）相同的场景下进行ROC曲线比较，还是也可用于因变量不同的场景？

用户提供的R代码示例：

RocI <- roc(dat$I, dat$SIDI.F, ci = TRUE)
RocO <- roc(dat$O, dat$SIDI.F, ci = TRUE)

roc.test(RocI, RocO, method=c("bootstrap"), alternative = c("greater"),
         paired=NULL, reuse.auc=T, boot.n=2000, boot.stratified=TRUE,
         parallel=FALSE, conf.level=0.95)

数据示例：

ID I O SIDI.F
1   1 0 0     50
2   2 1 1     13
3   3 1 1     13
4   4 0 0     12
5   5 0 0     13
6   6 0 0     15
7   7 0 0     23
8   8 0 0     34

roc.test（pROC包中的函数）可以用于因变量不同的场景，但要注意统计假设和数据结构的合理性：

• 你的代码中，两条ROC曲线共享同一个预测变量SIDI.F，但对应不同的二分类因变量I和O，这种情况下选择bootstrap方法是合适的——bootstrap能灵活处理这种非标准的ROC比较场景，不管因变量是否相同。
• 这种比较的本质是验证：同一个预测变量对两种不同结局的区分能力是否存在差异。只要样本结构合理（比如你的数据里每个样本同时具备I和O两个结局，属于配对观测），这类统计检验就有意义。
• 代码中paired=NULL参数会让函数自动识别数据配对关系：如果两个ROC曲线的观测是一一对应的（同一样本对应两个因变量），函数会按配对逻辑处理；否则按独立样本处理，无需额外手动设置。

内容的提问来源于stack exchange，提问作者Re2124