樣本數十倍準則

不同的統計分析方法，會有不同的樣本量要求，但觀察變數*10倍準則，仍然是大家最常用到的準則，前提是依變數需符合常態分佈，如果不符則要擴大到15~20倍。

上述為通則，但為什麼感覺上又不是這麼一回事呢?主要跟演算法有關係：

例如：

1.    SPSS的迴歸分析，路徑分析，邏輯斯分析等，都是以自變數的10倍為最少樣本量要求。因為SPSS應用最小二乘法，估計時只能計算自變數與依變數的關係，因此以自變數10倍為原則。

2.    SEM結構方程模式分析為大樣本分析法，所需的樣本顯然就大很多，主要是因為SEM為完整訊息分析法，因此計算樣本量時，用的觀察變數是模型中所有的變數，因此是以模型全部變數的10倍為原則，此準則自然樣本量就大幅的增加。

3.    PLS偏最小二乘法也是SEM的一種，但卻適用於小樣本，是因為PLS為有限訊息分析法，它是先計算每個構面的因素分數，再計算構面因素分數之間的關係，因此只要採用最大構面觀察變數的10倍為原則，此準則樣本就小了很多。