Logistic 回归介绍 样本量估算样本量的估量可能是临床最头疼的一件事了，其实很多的临床讨论事前是从来不考虑样本量的,至少我接触的临床讨论大都如此。他们大都是想到就开始做，但是事后他们会寻求讨论中样本量的依据，尤其是在投文章被审稿人提问之后.可能很少有人想到讨论之前还要考虑一下样本够不够的问题。其实这也难怪，临床有临床的特点，很多情况下是很难符合统计学要求的,尤其一些动物试验,可能真的做不了很多。这种情况下确实是很为难的。本篇文章仅是从统计学角度说明 logistic 回归所需的样本量的大致估量，不涉及临床特别问题。其实不仅 logistic 回归，所有的讨论一般都需要对样本量事前有一个估量,这样做的目的是为了尽可能地得出阳性结果.比如，你事前没有估量，假设你做了 20 例,发现是阴性结果。假如事前估量的话，可能会提示你需要 30 例或 25 例可能会得出阳性结果，那这时候你会不会后悔没有事前估量？当然，你可以补实验，但是不管从哪方面角度来讲，补做的实验跟一开始做得实验可能各种条件已经变化，假如你在杂志中说你的实验是补做的，那估量发表的可能性就不大了。一般来说，简单的讨论，比如组间比较,包括两组和多组比较，都有比较成熟的公式计算一下你到底需要多少例数.这些在多数的统计学教材和流行病学教材中都有提及。而对于较为复杂的讨论，比如多重线性回归、logistic 回归之类的，涉及多个因素。这种方法理论上也是有计算公式的，但是目前来讲，似乎尚无大家公认有效的公式，而且这些公式大都计算繁琐,因此，现实中很少有人对 logistic 回归等这样的分析方法采纳计算的方法来估量样本量。而更多地是采纳经验法。其实关于 logistic 回归的样本量在部分著作中也有提及，一般来讲，比较有把握的说法是:每个结局至少需要 10 例样品。这里说得是每个结局.例如，观察胃癌的危险因素，那就是说,胃癌是结局，不是你的总的例数，而是胃癌的例数就需要这么多，那总的例数当然更多.比如我有 7 个讨论因素，那我就至少需要 70例，假如你是 1：1 的讨论，那总共就需要 140 例。假如 1:2 甚至更高的，那就需要的更多了。而且，样本量的大小也不能光看这一个,假如你的讨论因素中出现多重共线性等问题，那可能需要更多的样本，假如你的因变量不是二分类，而是多分类,可能也需要更大的样原来保证你的结果的可靠性。理论上来讲，logistic 回归采纳的是最大似然估量，这种估量方法有很多优点，然而，一...
