太少了，30个以上比较稳定。

在具体应用回归分析原理解决实际问题的时候，究竟使用多大规模的样本，才能实现相关与回归分析的目的，才能达到较好的统计推断效果，这是一个值得重视和讨论的问题。我们知道，样本容量过小，比如极端的情况只有两对观察资料，那么由解析几何两点确定一条直线原理，我们就没有必要讨论相关与回归分析的随机性，也无法解释为什么要在分析模型中引入随机性因素。观察次数太少，由于样本信息不充分，会导致模型估计结果的稳定性非常差，再就是也无助于我们揭示和掌握经济现象之间的统计相依关系。样本容量似乎也不能过大，如果盲目要求样本观察越多越好，一方面会增加不必要的数据搜集成本，另一方面可能会造成数据信息上的冲突和干扰，反而不利于模拟出带有统计规律性的东西。更何况在社会经济领域，有许多问题的研究其可供利用的资料来源本来就有限，是非人力可以扩充和增补的。有鉴于此，在相关与回归理论研究中，人们很早就注意到了如何通过有限的样本观察来实现统计相关与回归分析的认识功能，像把经典的回归分析与统计实验设计结合起来，形成的回归分析的正交设计、回归分析的旋转设计、回归分析的最优设计等就是比较典型的例子。原则上讲，这些方法在自然科学和工程技术领域应用比较有效，联系到社会经济领域，由于不具备统计实验的条件，如果一味地依据实验设计的办法确定最优样本容量，操作起来几乎没有多大的可能。由于没有一个客观的数量上的参照依据，在实际应用相关与回归分析时，有关样本容量的确定多半是比较随意的，或者是经验之谈，比如：样本观察数目应该是待估参数个数的倍数，样本容量不能低于30，最好能达到50甚至100以上，把能够搜集到的有用数据都找到等。

8个也可行   只是准确度有待商议  可以进行比较详细的检验假设

样本容量的大小决定你所做的回归方程的精确程度.当然,你样本数据多的话可以得到较真实的回归方程.而如果观察数据太少的话,样本信息则不够充分.样本在三十个以上才能保证其充分性吧.

小样本同样可以做回归分析，只是小样本容量所建立的回归方程得到的结果误差较大，不太可靠。一般而言，样本容量越大，得到的数据越多，越能保证回归分析的准确度。样本容量应该不小于30。

回归分析的样本容量一般要求>=30个

但不是说8个就不能进行回归分析，只是在这样的小样本做的回归分析的精确度不会太高。

应该可以，但是结果误差较大，样本容量至少得有30个，才会保证进行回归分析的准确度

回归分析目的是研究数据的内在数量规律性，为了使所得结果的偏差尽可能的小，理论上样本容量应当越大越好，把握数据的规律性就会越精确。一般而言样本容量应当至少为30，但是这只是针对于大多是情况的，如果所得样本容量不足30，比如您列举的样本容量为8，如果此种情况下的样本容量占总体样本的比例已经相当大，那麽我个人认为进行回归分析是可以的。……仅个人意见，如有不对还请多多包涵！

，，，，，，，

小样本也能做回归分析。只不过误差相对较大，精确程度不够高。其中主要影响的是显著性检验，用F检验时n越大f值越大。要想保证回归结果的精确性，至少n要大于30比较好。

样本容量太小会影响回归分析结果的准确度，样本容量要达到一定的数量才可以得出比较准确的分析结果，一般要求是30个数据以上

做回归分析的样本容量越大，其方差越趋近于0，得出的回归分析的结果更准确一些，更能说明因变量于自变量之间的平均变化关系。当样本容量太小时，会存在很大的误差，使结果偏离实际

谈一点自己的看法.  
在统计分析中,含差别分析(均数比较)和联系的分析(相关分析), 在设计阶段,都需要估计样本含量,然后收集数据,再进行分析. 而不是拿到数据后, 再看样本含量是否足够. 样本含量的估计与一类错误,二类错误有关, 同时也与研究指标的误差有关. 比如, 社会经济学的指标,人的行为态度指标,误差较大,要探讨他们间的差别或联系需要较大的样本. 相反,如分子生物学的指标,生物化学的指标等比较精确, 较小的样本含量也可以探讨出事物之间的区别和联系.

同意以上朋友的观点, 样本含量与设计也有很大关系,如单因素的方差分析与正交设计,同一个指标,其样本含量则相差几十倍. 对回归分析,一型回归和二型回归样本含量的估计也不同. 多元回归和单因素回归样本的要求也截然不同. 因此, 样本含量不是大于30和小于30的问题. 而要根据研究的问题定. 因此,8个样本含量,对有些研究是足够的, 如化学,生物化学的标准回归直线就是6-8个测试点, 若是分子生物学的研究,8个测试点可能相当昂贵.

另外, 样本含量大可能容易得到阳性结果,但这个联系可能是虚假的. 另外,大样本不仅浪费, 也可能造成较大的误差.

感兴趣的同学可以访问以下免费网站, 估计样本含量.
http://www.danielsoper.com/statcalc/calc01.aspx

http://www.epibiostat.ucsf.edu/biostat/sampsize.html

本人认为可以做回归分析但是样本过少 肯定不准确  但是好像有专门针对小样本数据的分析方法啊

回答可以做回归分析不过由于偶然行，误差大不准确  好像有专门针对小样本的分析方法啊

回归分析肯定能做,但样本太少就难拟合出较准确的曲线，结果可能会有很大偏差。如果拟合偏差大的话,对回归方程的分析基本上就没有实际意义,建议至少取30个样品，这样就比较精确，当然，如果可以的话，样品数越多越好。

样本容量没要求，可大可小，只是结果误差不同

要求：只有当变量之间存在着高度相关时，进行回归分析寻求其相关的具体形式才有意义。
只有8个容量的样本可以用回归分析。

由于回归是不是对变量间平均变量之间的关系，样本太少使得变量之间相关关系不明显！进而回归不明显，同不过参数检验

样本容量应该是多一点比较好，这样得出的结果才能真正反映出真实情况，如果样本太小结果即使残差分析通过显著性检验与真实情况也有一定的差异，八个样本也可以，但准确度应该不够

回归分析一般需要样本在30个以上，您所说的例子也可以用回归分析，就是可能精确度会低一点吧。

一般而言，样本容量越大，得到的数据越多，
越能保证回归分析的准确度。数据尽量服从正态分布
更好。如果样本容量太少，则很不准确，甚至就是错误的结果。
样本容量应该不小于30。

回归分析的样本容量是没什么要求，要是碰到只有8个容量的样本，可以用回归分析。但是，此时的误差会很大，可能不能很好地反映自变量和解释变量之间的关系和趋势。做回归分析的样本容量越大越好，更能反映变量之间的关系。

一般来说，提高样品的个数，就可以提高其计算的精确度。
而目前很多都分大样品和小样品
小样品是〈=30，大样品〉30的；所以建议你至少取30个样品，这样就比较精确，当然，如果可以的话，样品数越多越好。

一般来说样本容量是要大于30，但是如果总体的数量就很少，或者样本的取得十分困难，或者这8个样本能够很好的反应自变量和因变量之间的关系，我想是没问题的。
当然对于普通常见的问题来说8个会有些少，可能无法预测的比较准确。