一，样本

小样本容易导致收敛失败，不恰当的解，低估参数值，因此样本量规定如下：

Loehlin(1992)提出，一个有2-4个因素的模型，至少100个样本，200个更好 ,因此小于100个样本也就不适合使用Amos

Bentle and Chou (1987)提出样本数至少为估计参数的5倍（根据经验法则估计参数为观察变数的2倍）

二，参数估计方法

在SEM分析中，提供5种模型估计的方法如图：

一般化最小平方法（generalized least squares）未加权最小平方法（unweighted least squares）尺度自由最小二乘法（scale-free least squares）渐进分布自由法（asymptotically distrubution-free）

      最广泛使用的估计模型为ML估计法。（kelloway, 1998）只有是大样本并且假设观察数据符合多变量正态性，卡方检验才可以合理使用,但是当观察变量是次序性变量，且严重地呈现偏度或高狭峰等非正态性分布情形时，ML的估计值，标准误和卡方值检验的结果，都是不适当，不可信的，最好使用WLS法（余民宁，2006）或者使用bootstrap。WLS法不像GLS法与ML法，受到数据须符合多变量正态性的假定限制，但需要很大样本量，一般要1000以上（Diamantopoulos&Siguaw, 2000)。,GLS与ML法一样。

     在估计方法与样本大小关系方面， Hu（1992）与其同事发现，若是样本数据符合正态性假定，则使用ML法的样本数最好大于500，如果样本数少于500，则使用GLS法来估计会获得较佳结果，Boomsma(1987,P.4)建议使用极大似然法估计结构方程模型时，最少样本为200，少于100会得出错误结果。

ADF法样本数要大于1000（Introduction Lisrel-estimation）

三，模型

模型中潜在因素至少应为2个（Bollen,1989,）

量表最好为7点尺度（Lubke&Muthen, 2004）

每个潜在构面至少要3个题目，5~7题为佳（Bollen,1989）

每一个指标不得横跨到其他潜在因素上（cross-loading<0.4）(Hair et al., 1998)

问卷最好引用知名学者，尽量不要自己创造

理论框架要根据学者提出的理论作修正

模型主要构面维持在5个以内，不要超过7个

综上问卷问题题数设置一般在20左右