1、研究对象的变化程度
通常，总体方差越大，意味着总体内部各事物在调查表现上的差异程度越大，所以需要的样本容量越大，应该多抽一些样本单位。也就是说，研究的现象越复杂、差异越大，样本量要求就越大。
2、研究允许的误差大小（精确度）
一般来说，允许误差越大，意味着对抽样的估计精度要求不高，所以就可以少抽取一些样本单位，需要的样本容量较小。反之，如果允许误差很小，就是研究要求精确度较高，那么需要的样本量就会比较大。所以，精度要求越高，样本量越大。
3、要求推断的置信程度
在经验上，我们会选择0.05、0.01、0.001这三个水平作为可以接受的犯错概率。所以，0.05是统计上可以接受的最低标准，也是需要样本最少的情况，把犯错概率控制在0.001以下，是非常严格的标准，需要的样本量也越大。
同时，这三个犯错概率分别对应的可靠性系数为0.95、0.99、0.999。也就是说，可靠性系数越大，需要的样本容量越大。
4、抽样类型和方法
样本抽取的方法分为随机抽样和非随机抽样。
扩展资料
样本容量的相关性质：
研究的问题越复杂，差异越大时，样本量要求越大；要求的精度越高，可推断性要求越高时，样本量也越大；同时，总体越大，样本量也相对要大，但是，增大呈现出一定对数特征，而不是线形关系；而抽样方法问题，决定设计效应的值。
如果设定简单随机抽样设计效应的值是1；分层抽样由于抽样效率高于简单随机抽样，其设计效应的值小于1，合适恰当的分层，将使层内样本差异变小，层内差异越小，设计效应小于1的幅度越大。
多阶抽样由于效率低于简单随机抽样，设计效应的值大于1，所以抽样调查方法的复杂程度决定其样本量大小。对于不同城市，如果总体不知道或很大，需要进行推断时，大城市多抽，小城市少抽，这种说法原则上是不对的。实际上，在大城市抽样太大是浪费，在小城市抽样太少没有推断价值。
参考资料来源：百度百科-样本容量
样本是从总体中抽出的部分单位集合，这个集合的大小叫做样本量。
一般而言，样本的容量大的话，样本的误差就小，反之则大。
通常样本单位数大于30的样本可以称为大样本，小于30的样本则称为小样本。在实际应用中，我们应该根据调查的目的认真考虑样本量的大小。
样本容量的大小涉及调研中包括的单元数。从定性的方面考虑样本量，因素有：决策的重要性，调研的性质，变数个数，数据分析的性质，同类研究中所用的样本量，发生率，完成率，资源限制等。决策越重要，需要更多和更准确的信息，就需要用较大的样本；探索性研究，样本量一般较小，结论性研究则需要较大的样本；收集有关许多变数的数据，样本量就要大一些，减少抽样误差的积累效应；如果需要采用多元统计方法对数据进行复杂的高级分析，样本量就应当较大；如果需要特别详细的分析，如做许多分类等，也需要大样本。针对子样本分析时，需要的样本量比对总样本分析要大许多。
样本量的确定有相应的统计学公式，具体取决于
1. 研究对象的变化程度
2. 精确度要求（即允许误差的大小）
3. 推断的置信程度
公式：
已知总体方差，重复抽样时，至少应抽取的样本量为n。（给定极限误差和概率误差）
已知总体方差，不重复抽样时，至少应抽取的样本量为n。
