SEM各擬合指數(shù)一覽

1、SEM 各擬合指標(biāo)一覽指數(shù)名稱(chēng)性質(zhì)擬合成功建議值樣本容量影響模型節(jié)儉評(píng)估經(jīng)驗(yàn)性評(píng)價(jià)玄擬合優(yōu)度檢驗(yàn)(X2good ness-of-fit test )絕對(duì)擬合指 數(shù)P受影響很大無(wú)法評(píng) 估（1）樣本容量很小時(shí)，容易接受劣勢(shì)模型；樣本容量大 時(shí)，容易拒絕所有擬合很好的模型；（2）在多個(gè)模型比較分析時(shí)非常有用；擬合優(yōu)度指數(shù) GFI絕對(duì)擬合指 數(shù)受影響無(wú)法評(píng) 估（1）在最大似然和最小一乘法中比較穩(wěn)定；（2） 在 CFA 中，當(dāng) factor loading 和樣本容量較低時(shí)， 容易接受模型；參數(shù)估計(jì)值比較低時(shí)，容易接受模 型；調(diào)整的擬合優(yōu)度指數(shù) AGFI絕對(duì)擬合指 數(shù)受影響可以評(píng) 估（1）可以按照模型中

2、參數(shù)估計(jì)總數(shù)的數(shù)量對(duì) GFI 進(jìn)行調(diào) 整；（2）估計(jì)參數(shù)相對(duì)與數(shù)據(jù)點(diǎn)總數(shù)越少或自由度越大， AGFI越接近 GFI。近似誤差的均方根RMSEA絕對(duì)擬合指 數(shù) (不易受影響無(wú)法評(píng) 估(1)應(yīng)用不同的模型估計(jì)方法時(shí)很穩(wěn)定；(2)即使是對(duì)小樣本模型擬合時(shí)表現(xiàn)也很好；(3)在嵌套模型比較時(shí)很有用；規(guī)范擬合指數(shù) NFI相對(duì)擬合指 數(shù)樣本谷量小時(shí)嚴(yán)重低估無(wú)法評(píng) 估(1)對(duì)數(shù)據(jù)非正態(tài)和小樣本容量非常敏感；(2)不能控制自由度；(3)受樣本容量影響大，漸不使用；Tucker-Lewis 指 數(shù)（TLI 或 NNFD相對(duì)擬合指 數(shù)樣本谷量小時(shí)一般低估無(wú)法評(píng) 估(1)在最大似然估計(jì)時(shí)使用有較好穩(wěn)定性，能正確對(duì)復(fù)

3、雜模型進(jìn)行懲罰，準(zhǔn)確區(qū)分不同的模型，多數(shù)學(xué)者 推薦；(2)在應(yīng)用最小二乘法估計(jì)模型時(shí)比較差；(3)可以用于比較嵌套模型；(4)缺點(diǎn)：估計(jì)值變化很大，有時(shí)可以超出 01 的范圍。遞增擬合指數(shù) IFI相對(duì)擬合指 數(shù)樣本谷量小時(shí)一般低估無(wú)法評(píng) 估(1)在應(yīng)用最小二乘法估計(jì)模型時(shí)，優(yōu)于 TLI、NNFI。(2)在最大似然估計(jì)時(shí)，在小樣本和偏差大的模型估計(jì) 中，容易錯(cuò)誤懲罰簡(jiǎn)約模型，獎(jiǎng)賞復(fù)雜模型，因此 漸不常用。PNFI,PCFI,PGFI節(jié)儉調(diào)整指 數(shù)(Parsim onyadjustedmeasures)越接近1越 好同時(shí)受樣本 容量和估計(jì) 的參數(shù)比率影響?yīng)剟?lì)簡(jiǎn) 約模型（1）屬于依照簡(jiǎn)約原則調(diào)整后的

4、指數(shù)，為原來(lái)的指數(shù)乘 以省儉比率；（2）模型越簡(jiǎn)單，越不被懲罰。（3）受樣本容量同以上相對(duì)應(yīng)的指標(biāo)，同時(shí)受到估計(jì)參 數(shù)與飽和參數(shù)值的影響AIC(Akaike informatio n criterion )信息標(biāo)準(zhǔn)指 數(shù)越小越好不受影響?yīng)剟?lì)簡(jiǎn) 約模型用于模型比較CAIC(Co nsiste ntAkaike in formatio ncriteri on)信息標(biāo)準(zhǔn)指 數(shù)越小越好不受影響?yīng)剟?lì)簡(jiǎn) 約模型用于模型比較ECVI(Expectedcross-validatio n index)信息標(biāo)準(zhǔn)指 數(shù)越小越好受影響?yīng)剟?lì)簡(jiǎn) 約模型（1）用于模型比較；（2）在樣本較小時(shí)，支持簡(jiǎn)約模型；隨著樣本數(shù)的增大 轉(zhuǎn)而支持較復(fù)雜但解釋力更強(qiáng)的模型。個(gè)人建議：（1） AGFI is not enough,最好綜合各種指標(biāo)判斷,特別在 CFA 中，N