如果您正在考虑根据结果进行过采样，那么您必须非常小心。

一般来说这是不行的。内生抽样方案会给你带来有偏差的结果。见伍尔德里奇第 17 章。

在 Logit 模型的情况下，情况有些不同。从Manski 借来的事情是，通常基于响应的抽样揭示：和，但没有关于的概率。$P(x|y=1)$$P(x|y=0)$$P(y|x)$

然而，如果且且接近于零（换句话说，它具有罕见病假设的性质)，然后对于 LOGIT 模型（由于其良好的指数函数形式），基于结果的采样点识别相对和可归因风险。当罕见病假设成立时，相对风险也称为优势比。对于我在上面推荐的 Manski 的书的第 112 和 113 页的完整证明检查。$P(x|y=1)>0$$P(x|y=0)>0$$P(y=1|x)$

好的，所以我们已经确定，如果你只看优势比，那么基于结果的抽样和 logit 应该没问题。当然，你只能得到赔率比，你将无法识别截距，因此你必须非常小心地得出什么结论......

现在回答你的问题：

原则上，如果你有整个人口，你应该不需要过度抽样，因为你有所有案例......这应该很清楚。

实际上，这很少是真的，因为您很可能只有一个总体样本。当这种情况发生时，Gary King 表明，进行基于结果的抽样和应用有限样本校正有一些好处：Gary King Rare Events Logit。

最后（没有详细阅读）我相信你上面提到的博客的重点正是我在这里做的。如果您别无选择，只能根据结果对一类人口进行过采样以获得最少的观察量，那么使用逻辑回归并且如果您正在查看优势比，您应该没问题。不是他们推荐它，但它可能是您唯一的选择。