逻辑回归到底抽样还是不抽样

正常情况下，在使用逻辑回归建模时，都需要对好坏样本分层抽样，至少抽到好坏比达到1：10到1：1，比较理想，但很多时候坏样本比较少，数据不平衡，一样要把好样本抽到和坏样本一样少，似乎没有意义。但如不抽会不会影响模型？以下代码使用SAS工具在正态分布随机数据上建立逻辑回归。

/通过修改原文代码，尝试不同好坏比的数据得到结论：
1.截距越小数据越平衡
2.在X是正态分布的情况下，即使数据不平衡，抽样再还原后模型效果可接受/
%let incpt=3.35;/越接近0则越balance [(incpt=0,i=10000), (incpt=3.35,i=10000) ,(incpt=8,i=1000000)]/
data full;
do i=1 to 10000;
x=rannor(12342);
p=1/(1+exp(-(-&incpt.+2x)));
y=ranbin(98435,1,p);
drop i;
output;
end;
run;
data sub;
set full;
if y=1 or (y=0 and ranuni(75302)<1/(1+exp(-(-&incpt.+40.5)))) then output;
run;