1、SEM各擬合指標一覽指數名稱性質擬合成功建議值樣本容量影響模型節(jié)儉評估經驗性評價X2擬合優(yōu)度檢 驗(X2good ness-of-fit test)絕對擬合指 數p>0.05受影響很大無法評 估（1）樣本容量很小時，容易接受劣勢模型；樣本容量大時， 容易拒絕所有擬合很好的模型；（2）在多個模型比較分析時非常有用；擬合優(yōu)度指數GFI絕對擬合指 數>0.90受影響無法評 估（1）在最大似然和最小一乘法中比較穩(wěn)定；（2）在CFA中，當factor loading和樣本容量較低時，容易接受模型；參數估計值比較低時，容易接受模型；調整的擬合優(yōu)度指數AGFI絕對擬合指 數>0.90受影響

2、可以評 估（1） 可以按照模型中參數估計總數的數量對GFI進行調 整；（2）估計參數相對與數據點總數越少或自由度越大， AGFI越接近GFI0i近似誤差的均方根RMSEA絕對擬合指 數<0.05（<0.08可接受）受影響可以評 估(1) 基于總體差距的指數，多數學者推薦為常用擬合指 數；(2) 比較敏感；(3) 懲罰復雜模型。比較擬合指數CFI相對擬合指 數>0.90不易受影響無法評 估(1) 應用不同的模型估計方法時很穩(wěn)定；(2) 即使是對小樣本模型擬合時表現也很好；(3) 在嵌套模型比較時很有用；規(guī)范擬合指數NFI相對擬合指 數>0.90樣本谷量小 時嚴重低估無法評

3、 估(1) 對數據非正態(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（TLI或 NNFI）相對擬合指 數>0.90樣本谷量小 時一般低估無法評 估(1) 在最大似然估計時使用有較好穩(wěn)定性，能正確對復雜 模型進行懲罰，準確區(qū)分不同的模型，多數學者推薦；(2) 在應用最小二乘法估計模型時比較差；(3) 可以用于比較嵌套模型；(4) 缺點：估計值變化很大，有時可以超出 01的范圍。遞增擬合指數IFI相對擬合指 數>0.90樣本谷量小 時一般低估無法評 估(1) 在應用最小二乘法估計模型時，優(yōu)于 TLI、NNFI。(2)

4、 在最大似然估計時，在小樣本和偏差大的模型估計中，容易錯誤懲罰簡約模型，獎賞復雜模型，因此漸 不常用。PNFI,PCFI,PGFI節(jié)儉調整指 數(Parsim ony adjusted measures越接近1越 好同時受樣本 容量和估計 的參數比率影響獎勵簡 約模型（1）屬于依照簡約原則調整后的指數，為原來的指數乘以 省儉比率；（2）模型越簡單，越不被懲罰。（3）受樣本容量同以上相對應的指標，同時受到估計參數 與飽和參數值的影響AIC(Akaike in formatio n criteri on)信息標準指 數越小越好不受影響獎勵簡 約模型用于模型比較CAIC(Co nsiste nt Akaike in formatio n criteri on)信息標準指 數越小越好不受影響獎勵簡 約模型用于模型比較ECVI(Expected cross-validati on in dex)信息標準指 數越小越好受影響獎勵簡 約模型（1）用于模型比較；（2）在樣本較小時，支持簡約模型；隨著樣本數的增大轉 而支持較復雜但解釋力更強的模型。個人建議：（1） AGFI is not enough,最好綜合各種指標判斷,特別在CFA中，NNFI（TLI）更重要一些（2）相對比較可靠的指標：NNFI, CFI, AGFI, RMSEA（3）堅