【摘要】大数据统计分析在有限的计算资源下面临一些挑战性问题，用子数据代替全数据进行统计分析成为一种选择。文章基于最小协方差行列式的稳健距离，为大数据Logistic回归模型提出了一种更高效的子数据选择算法。通过大量的数值模拟，在不同的标准下比较了所提算法与其他已有算法的性能。结果表明，所提算法具有较高的估计效率和计算效率，与全数据相比，计算时间显著减少。与其他算法相比，所提算法得到的子数据信息矩阵行列式的值更大。同时，当协变量之间存在高度相关性时，所提算法具有稳健性。最后，通过对实际数据集的分析，说明了所提算法的预测误差更小。