文档介绍:验证性因素分析的几个指标
(1)拟合优度的卡方检验(χ2 goodness-of-fit test):χ2是最常报告的拟合优度指标,与自由度一起使用可以说明模型正确性的概率,χ2/df是直接检验样本协方差矩阵和估计方差矩阵之间的相似程度的统计量,其理论期望值为1。χ2/df愈接近1,表示模型拟合愈好。在实际研究中,χ2/df接近2,认为模型拟合较好,样本较大时,5左右也可接受。
(2)拟合优度指数(goodness-of-fit index,GFI)和调整拟合优度指数(adjusted goodness-of-fit index,AGFI):这两个指数值在0-1之间,愈接近0表示拟合愈差,愈接近1表示拟合愈好。目前,多数学者认为,GFI≥,AGFI≥,提示模型拟合较好(也有学者认为GFI的标准为至少﹥,或≥)。
(3)parative fit index,CFI):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≥,认为模型拟合较好。
(4)Tucker-Lewis 指数(Tucker-Lewis index,TLI):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﹥,则认为模型拟合较好[54]。
(5)近似误差均方根(root-mean-square error of approximation,RMSEA):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<,表示模型接近拟合;≤RMSEA≤,表示模型拟合合理;<RMSEA<,表示模型拟合一般;RMSEA≥,表示模型拟合较差。
(6)均方根残差(root of the mean square residual,RMR):该指数通过测量预测相关和实际观察相关的平均残差,衡量模型的拟合程度。如果RMR<,则认为模型拟合较好[57]。