在现有的研究中，对于结构方程模型（SEM）的样本数量大小，有以下几个建议。

首先，一般认为，在SEM分析中，每个预测变量的观察值应该至少有15个（例如，James Stevens，1996；Bentler and Chou，1987）。这是因为在一个给定的模型中，估计的参数数量（包括潜在变量的数量和测量误差的数量）会随着观察变量的数量而增加。如果每个预测变量的观察值数量不足，那么模型估计的准确性可能会受到影响。

其次，对于包含四个或更多因素的模型，建议总体样本数量至少为估计参数的五倍或更高（例如，Loehlin，1992）。这是因为随着模型复杂性的增加，对于参数估计的准确性要求也会提高。在这种情况下，较大的样本数量可以提高估计的稳定性和准确性。

然而，需要注意的是，这些只是经验性的指导原则，样本数量的大小并不是唯一的考虑因素。在实践中，还需要考虑其他因素，如数据的整体质量、每个变量的波动性、模型设定的恰当性等（例如，MacCallum et al.，2002）。如果样本的质量较低，或者模型的设定不恰当，即使样本数量足够大，也可能无法获得可靠的结果。

此外，如果样本数量不足，也可以通过其他方法来提高模型的稳定性和准确性。例如，可以通过采用更严格的变量选择标准、更精细的数据收集方法、或者采用模型修正的方法来提高模型的稳定性（例如，Fornell and Larcker，1981）。

综上所述，结构方程模型的样本数量大小是一个需要考虑多个因素的问题。在一般情况下，建议使用至少300个样本进行SEM分析。对于某些特殊情况，可能需要更多的样本。同时，也需要注意其他因素对模型准确性和稳定性的影响。

根据我自己使用SEM分析数据的经历，通常样本数量都在200-500之间，太小会影响显著性，太大会影响卡方与自由度之比值，供参考。