在进行显著性分析时，样本量的大小是一个重要考虑因素。样本量较小可能导致显著性分析结果的不准确性。以下是一些在样本量不同情况下进行显著性分析的建议：

1. 样本量较小（小于30）：如果样本量较小，可以使用非参数统计方法进行显著性分析，例如Wilcoxon秩和检验或Mann-Whitney U检验。非参数方法不对数据的分布做出假设，因此对样本量要求较低。

2. 样本量较大（大于30）：当样本量较大时，可以使用参数统计方法进行显著性分析，例如t检验或方差分析。参数统计方法对数据的分布做出了一些假设，如正态分布，适用于大样本量的情况。

3. 样本量非常大（大于1000）：当样本量非常大时，即使数据不满足正态分布假设，也可以使用参数统计方法进行显著性分析。这是由于大样本容易满足中心极限定理，可以保证统计结果的准确性。但要注意，样本量过大可能导致即使微小的差异也会显得显著。

需要注意的是，样本量的选择应该基于研究的具体情况和所使用的统计方法的要求。此外，即使样本量较小也可能得出显著的结果，但显著性并不一定等于实质上的重要性。因此，在进行显著性分析时，除了样本量之外，还应该考虑实际意义和研究问题的复杂度。