对，样本数据越多越好， 这样你构建的模型就会越贴近实际情况。

建议你重新温习一下计量经济学教材，看一下教材里面关于各种检验的东西，也许比你在这里问更好，理解的更清楚，

数据越多拟合的结果越好，这样在模型中增加变量时不至于消耗太多的自由度。其次对于多重共线性，一般来讲如果回归方程的可决系数很高，而系数的标准差较大（也就是t较小）就可以认为解释变量间存在着严重的多重共线性

关于数据的个数，一般变量个数越多，就需要越多的数据来支持，否则很多分析是无法进行的；OLS估计的结果，不同的指标代表着不同的方面，比如首先要看F检验和R2来检验模型总体的拟合效果，如果R2很大而且F检验通过，说明模型总体的形式是合适的，否则要改变模型形式或者增加、删除部分变量；而t检验是针对每个具体的自变量来讲的，如果t检验通过，说明该自变量对因变量有影响，应该进入模型；DW统计量则是判断自变量之间是否存在自相关；相关分析只是进行因子分析之前的一个步骤，只要具有一定的相关性才可以进行因子分析，否则因子分析也是没有意义的，另外，SPSS也同样可以做相关分析的；多重共线性的判断方法有很多，一般如果t值都不显著而R2却很高，说明可能存在多重共线性，当然还有很多方法，建议参照一本计量经济学教材即可，比较经典的是古扎拉蒂写的，初学者可以看他的精要版。