Logistic回归样本量应该如何计算？

Logistic回归模型被广泛应用于各个学科，如医学，社会学科，机器学习等，主要适用于因变量是分类变量的情况，尤其是二分类变量。该模型采用的是极大似然估计，这就需要足够的样本量来支持，今天就告诉大家一个简单的办法进行Logistic回归样本量的估算。

这个方法叫EPV（events per variable）。即每个自变量的事件数，其中事件表示表示应变量中个数较少的那一类。例如因变量为ICU存活情况，探索3个自变量，假设EPV等于10，而ICU的死亡率为30%。所以需要的死亡患者数为10*3=30，总共需要的样本量,30/30%=100.考虑到失访，增加20%的样本量，所以最后样本量为120例患者，其中30例ICU死亡患者。