Prediktivni, klasifikacijski modeli se koriste u svakom području znanosti te u mnogo grana poslovnog svijeta. U ovom radu su pokazana dva načina mjerenja točnosti predikcija. Prvi način se koristi kada želimo procijeniti neko binarno ponašanje, tj. kada ishod mogu biti samo dvije opcije (primjerice pozitivan i negativan). Tada želimo ocijeniti koliko je dobar binarni klasifikator. Ocjenjujemo prediktivnu točnost testa pomoću mjera senzitivnosti (stvarno pozitivne stope) i specifičnosti (stvarno negativne stope). Drugi način se koristi kada su predikcije neprekidne (numeričke) te ih po nekom kriteriju možemo svesti na problem procjene binarnog ponašanja. Takve kriterije nazivamo granična vrijednost testa vrijednosti (pragove) koji će služiti kao granice odjeljivanja pozitivnog ishoda predikcije od negativnog. ROC krivulja je grafički prikaz senzitivnosti u odnosu na 1-specifičnost, tj. lažno pozitivnu stopu za svaku granična vrijednost testa vrijednost. Prediktivni test se smatra točnijim što se bliže nalazi gornjem lijevom kutu, a lošijim što se približava dijagonali koja odgovara slučajnom testu. Mjera za određivanje točnosti testa pomoću ROC krivulje je površina ispod ROC krivulje, gdje površina od 1 odgovara idealnom testu, dok površina od 0.5 odgovara slučajnom testu. U prvom SAS primjeru je pokazano kako se konstruira ROC krivulja, dok je u drugom primjeru pokazano kako se najbolji logistički model može odabrati usporedbom ROC krivulja.