在處理二變量和三變量的連續資料時,為了分析之便,通常都會假設資料分別服從二維常態和三維常態分配。然而一旦資料不是來自於二維和三維常態分配,則根據二維和三維常態模型所做的推論便是不正確的,而且所決定的樣本將使檢定的型ㄧ誤差機率和檢定力達不到原先的要求。 本文主要是將 Royall and Tsou (2003)所提出的概似函數修正法應用在二變量和三變量的連續資料平均數的迴歸分析上。說明對二變量和三變量連續資料平均數的迴歸參數而言,二維和三維常態實作模型可以經過適當的修正而被強韌化。在樣本數大的時候,即使資料的真正分配未知,強韌概似函數還是能正確提供相關於有興趣參數的資訊。 本文也將在簡單線性迴歸模型之下,推導出平均數迴歸參數的概似函數修正項。再利用強韌迴歸方法來決定樣本數,比較在相同的強韌常態模型下,資料服從常態、伽瑪及卡方分配時,所需要樣本數大小之間的差異。