(四)SEM适用于大样本之分析
由于SEM所处理的变项数目较多,变项之间的关系较为复杂,因此为了维持统计假设不致违反,必须使用较大的样本数,同时样本规模的大小,也牵动着SEM分析的稳定性与各种指针的适用性,因此,样本数的影响在SEM当中是一个重要的议题。
与其它的统计技术一样,SEM分析所使用的样本规模当然是越大越好,但是究竟有没有一个最适规模,则会随着SEM模型的复杂度与分析的目的与种类而有相当大的变化。但是,一般来说,当样本数低于100之时,几乎所有的SEM分析都是不稳定的。Breckler(1990)曾针对人格与社会心理学领域的72个 SEM实征研究进行分析,样本规模介于40至8650之间,中数为198。有四分之一的研究小于样本数500,约百分之二十的研究样本规模小于100。因此,一般而言,大于200以上的样本,才可以称得上是一个中型的样本。若要追求稳定的SEM分析结果,低于200的样本数是不鼓励的。五)SEM包含了许多不同的统计技术综观统计分析技术的内容,可以概略分为平均数检定的变异数分析与探讨线性关系的回归分析两大范畴。事实上,这两者并无本质上的差异,前者可以被归为一般线性模型(general linear model)分析技术,后者则是以变项间的线性关系为分析的内容。随着计算机科技的发展,分析软件功能的提升,使得两种统计模式可以互通,合而为一。
一般线性模型的优点是可以数学方式来整合不同型态的变异来源,可以不断扩充研究者所欲探讨的变项的数目与影响方式,因此一般线性模型逐渐发展出多种多变量统计的概念,例如多变量变异数分析(multivariate analysis of variance)。而回归分析在处理变项的弹性与复杂度的优势似乎有凌驾变异数分析之势,但是变异数分析由于简单清楚的数学原理与容易解释分析的特性,也一直受到研究者的青睐。在SEM当中,虽然是以变项的共变关系为主要内容,但由于SEM模型往往牵涉到大量变项的分析,因此常借用一般线性模式分析技术来整合变项,故SEM分析可以说是多种不同统计分析程序的集合体。