回归分析一般需要足够多的样本才能保证结果可靠。通常建议样本量在500以上，但具体还要看变量多少和数据质量如何。变量越多需要样本越多，数据有噪声或缺失也要多抓点样本。比如做简单线性回归，100个样本可能勉强够用，但复杂模型至少要500个样本才放心。

为什么这么要求呢？因为样本太少的话，结果容易受偶然因素影响。比如10个样本做回归，可能偶然把噪声当成了真实关系。统计学家说样本量每增加10倍，误差率会降低一半。比如500个样本的回归系数误差可能在5%左右，而100个样本误差可能超过15%。有研究对比过，用300个样本做医疗数据预测，结果准确率比用150个样本高22%。样本不够还会让p值失真，比如100个样本可能把0.1的效应量误判为显著，而500个样本就能准确识别。所以样本量要像盖房子打地基，少一点后续全完蛋。