Theo Nguyễn Đình Thọ (2013) cho rằng kích thước mẫu cần cho nghiên cứu phụ thuộc vào nhiều yếu tố như phương pháp xử lý (hồi qui, phân tích nhân tố khám phá EFA, mô hình cấu trúc tuyến tính SEM,…) hoặc là độ tin cậy cần thiết,… Hầu
hết các nghiên cứu có số lượng mẫu tiến đến gần với số lượng tổng thể thì sẽ cho ta có được một kết quả nghiên cứu chính xác hơn so với số lượng mẫu khá nhỏ so với tổng thể. Tuy nhiên, việc thu thập một nguồn dữ liệu có kích thước mẫu lớn là tương đối khó khăn về mặt thời gian và chi phí. Chính vì vậy, cũng có không ít những nghiên cứu đã chỉ ra kích thước mẫu được lựa chọn với số liệu như thế nào là phù hợp, giúp ích cho các công cuộc nghiên cứu của các nhà nghiên cứu.
Theo nghiên cứu của Tabachnick và Fidell (1996) đã cung cấp cho giới nghiên cứu công thức để tính kích thước mẫu là n = 50 + 8*m (với m là số biến độc lập). Như vậy nếu tính theo công thức này thì mô hình nghiên cứu của tác giả bao gồm 5 biến độc lập, vậy số lượng mẫu tối thiểu cần phải lấy cho đề tài này là 90 mẫu.
Ngoài ra, theo nghiên cứu của Hair và cộng sự (2006), đối với phân tích nhân tố khám phá EFA thì cho rằng kích thước mẫu sử dụng tối thiểu là 50, tốt hơn là 100 và tỷ lệ số biến quan sát/biến đo lường là 5:1 (tức 1 biến đo lường cần tối thiểu 5 quan sát), từ đó ta có công thức tính kích thước mẫu n = 5*x (trong đó x là số biến quan sát). Đối với nghiên cứu này của tác giả có tổng cộng 26 biến quan sát, vậy số lượng mẫu tối thiểu tác giả cần phải thu thập là 130 mẫu.
Từ hai (02) công thức xác định kích thước mẫu như trên và dựa trên nguyên tắc mẫu càng lớn thì độ tin cậy càng cao, kết quả nghiên cứu chính xác hơn, tác giả chọn cỡ mẫu cho nghiên cứu của mình tối thiểu là 130 mẫu.