判断构建模型优劣与否是CFA的重要内容，各类拟合指标的⾼低⼜影响着模型的整体评价。 然⽽模型拟合指标有那么多，具体每个指标代表什么意思？它们的判断标准⼜是什么？往往是⼀顿操作猛如虎，⼀看结果啥不懂。别着急现在就跟着SPSSAU⼀起来学习下吧。
模型拟合评价指标
（1）卡⽅值
当P值⼤于0.05时，认为该模型没有达到0.05的显著性⽔平，模型拟合效果良好。
（2）卡⽅⾃由度⽐
卡⽅⾃由度⽐⼩于2时，模型拟合效果良好。
卡⽅⾃由度⽐值是卡⽅值除以⾃由度值，卡⽅值容易受到样本量的影响，样本越⼤时该值越可能更⼩，所以⼩样本时卡⽅⾃由度⽐值容易偏⼤。
另外，如果是饱和模型则⾃由度为0，此时模型⽆法得到卡⽅⾃由度值，这是正常现象，如果⾃由度值为0，SPSSAU默认会以“-”标识出卡⽅⾃由度值。除此之外，很多时候还会出现拟合指标数值为1.000的现象，这也是正常现象。
（3）GFI
GFI始终⽐1⼩，⼀般认为⼤于0.9时，模型拟合效果良好。
（4）AGFI
AGFI位于0~1之间，模型⾃由参数越多，AGFI也越⼤，⼀般认为⼤于0.9时，模型拟合效果良好。
（5） NFI
该指标反映了假设模型和独⽴模型之间的差异。独⽴模型是指变量中不存在任何相关关系的⼀种简单模型。
假设模型和独⽴模型的差异越⼤，说明假设模型拟合效果良好。⼀般NFI⼤于0.9，假设模型拟合效果良好。
（6）RFI
焦作矿山机械厂⼀般RFI⼤于0.3，说明假设模型拟合效果良好。
对模型的⽐较，往往不能只靠统计指标是否达标作为唯⼀依据，同时还要将统计指标与专业背景结合起来所得模型才有实际意义。
（7）RMR
⼀般RMR⼩于0.05，说明模型拟合效果良好，越接近0越好。
（8）CFI
⽐较拟合指数，其值位于0和1之间。其值⼤于或等于0.95表⽰模型可接受。
（9）NFI
规范拟合指数，变化范围在0和1之间。按照约定，NFI⼩于0.90表⽰需要重新设置模型。
如何提⾼模型拟合情况
验证性因⼦分析有着⾮常多的拟合指标，⽐如卡⽅⾃由度⽐，RMSEA、CFA、RMR等⼏⼗种，但在实际研究中会发现基本上很难所有指标均达标。
如果研究时发现最常⽤的⼏个指标在标准范围内（或者多数指标基本均接近或明显在标准范围内），⽽有其它⼀些指标并不在标准范围内，相信模型拟合也是较好的，因此不⽤完全考虑所有的拟合指标均达标，⼏乎也不可能所有的指标均达标。
⽽如果研究⽬的是进⾏效度验证或者组合信度等，⼀般对于模型拟合指标的关注度较低，可直接忽略即可。
如果是使⽤验证性因⼦分析进⾏共同⽅差偏差CMV检查，那么其检查原理就是查看拟合指标不好，⽤于说明没有CMV问题；
保利民爆济南科技有限公司
醋酸甲脂如果说使⽤验证性因⼦分析做权重计算时指标拟合不好，可考虑删除项，或者进⾏MI调整等。
如果说模型拟合出现⼤⾯积的不达标，⽽且明显偏离标准范围内，那么这种模型需要进⾏调整才⾏。
解决办法1：检查数据质量
样本量会影响拟合指标结果，当样本量偏低时，容易出现拟合指标偏低的情况。建议样本量⾄少为测量项(量表题)的5倍以上，最好10倍以上，且⼀般情况下⾄少需要200个样本。帝国主义在中国
特别提⽰：验证性因⼦分析只能分析量表数据，如果将⾮量表数据放⼊，通常结果都不好。
解决办法2：检查factor loading值过⼤或过⼩
因⼦载荷系数往往会影响模型的整体拟合结果：
谢宁方法
如果说标准化的Factor loading值过⼤，⽐如⼤于1，说明有着很强的共线性问题，建议可分别针对每个因⼦对应的项，分别做相关分析，将相关关系过强（⽐如相关系数值⼤于0.8甚⾄0.9）的项删除后重新分析，减少共线性问题；
如果说标准化factor loading值过⼩，⽐如0.4，那么说明该项应该直接删除掉，删除后拟合指标数值会有提⾼。
解决办法3：梳理分析流程
在进⾏验证性因⼦分析之前，最好是先进⾏探索性因⼦分析，如果探索性因⼦分析已经发现问题，⽐如因⼦与项之间的对应关系有问题，那么数据继续进⾏验证性因⼦分析，⼀般都会有各种问题，同时也会导致模型指标拟合得⾮常差。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议