发布网友 发布时间:2024-03-19 04:39
共1个回答
热心网友 时间:2024-03-20 09:05
1、CFI
CFI——comparative fit index,比较拟合指数,该指数在对假设模型和独立模型比较时取得,其值在0-1之间,愈接近0表示拟合愈差,愈接近1表示拟合愈好。一般认为,CFI≥0.9,认为模型拟合较好。
2、TLI
TLI——Tucker-Lewis index,Tucker-Lewis指数,该指数是比较拟合指数的一种,取值在0-1之间,愈接近0表示拟合愈差,愈接近1表示拟合愈好。如果TLI_0.9,则认为模型拟合较好。
3、RMSEA
RMSEA——root-mean-square error of approximation,近似误差均方根,RMSEA是评价模型不拟合的指数,如果接近0表示拟合良好,相反,离0愈远表示拟合愈差。一般认为,如果RMSEA=0,表示模型完全拟合;RMSEA<0.05,表示模型接近拟合;0.05≤RMSEA≤0.08,表示模型拟合合理;0.08<RMSEA<0.10,表示模型拟合一般;RMSEA≥0.10,表示模型拟合较差。
扩展资料:不同学者提出了许多不同的拟合指数。常用的指标一般是卡方,自由度df,RMSEA( Root Mean Square Error of Approximation, 近似误差均方根)),GFI(goodness-of-fit index, 拟合优度指数),NNFI(non-normed fit index)和CFI(comparative fit index, 比较拟合指数)。一般认为,如果RMSEA在0.08以下(越小越好),GFI、NNFI和CFI在0.9以上(越大越好),所拟合的模型是一个“好”模型。
AGFI(adjusted goodness-of-fit index),IFI也是越大越好,表明模型拟合的较好,不过现在不常用。卡方和自由度主要用于比较多个模型,卡方值越小越好,自由度反映了模型的复杂程度,模型越简单,自由度越多,反之,模型越复杂,自由度越少。总的来说,我们追求的是既简单又拟合得好的模型。