整理原書 Logistic Regression 的 Maximum Likelihood Estimation（MLE）與 Sample Size 規則。
辨識模型建立前的資料量條件。
Logistic Regression 不以 MLR 常見的 Least Squares 估計，而使用 MLE；原書指出 MLE 需要較大 Sample。
| 條件 | 原書說明 |
|---|---|
| 一般 Sample Size | Hosmer et al. 建議 >400 |
| Training＋Test Holdout | >800 |
| 最低樣本經驗法則 | IV 數量的 20 倍 |
| 避免 Sparsity | DV 每組每個 Estimated Parameter 至少 10 Observations |
先確認 DV 類型，再檢查總 Sample、IV 數量與各 DV Group 的 Observations 是否支持 MLE。
本段原書提供的是規則與建議，沒有指定資料集的額外計算結果。
資料量不足會限制模型可信度；不能只因軟體能跑出結果，就視為模型條件已滿足。
根據原書四項 Sample Size 條件，檢查我提供的資料規格是否有明顯不足；不要自行創造新的門檻。
若使用 Training/Test Holdout，原書建議總 Sample Size 為何？
參考解答： 大於 800。