AMOS模型适配度及其评价指标【SPSS 051期】

3 AMOS 模型适配度及其评价指标
结构方程模型本质上是一种验证式的模型分析，检验数据与假设模型的拟合或一致程度， 或者说是用数据拟合假设模型。适配度指标又称拟合度指标，是评价数据与假设模型是否相 互匹配，而不是说明路径分析模型图的好坏，一个适配度完全符合评价标准的模型图不一定 保证是个有用的模型，只能说研究者假设的模型图比较符合实际数据的情况。
在检验整体模型适配度指标时，学者 Hair 等人(1998)建议，应先检验模型参数是否有违规估计现象，可以从下列三个方面着手：(1)有无负的误差方差存在；(2)标准化参数系数是否≥1；(3)是否有太大的标准误存在。如果模型检验结果没有违规估计现象，则可以进行整体模型适配度的检验。
一般而言，整体模型适配度是否达到标准可从以下四个指标来考查：

(1)绝对适配统计量，包括卡方值、卡方自由度比（X2/df）、渐进残差均方和平方根（RMSEA）、

GFI 等；

(2)增值适配度统计量，如NFI、CFI 等；

(3)简约适配度统计量，如 PNFI、临界样本数值 CN、省检拟合优度指标（PGFI）等；

(4)残差分析指标，如标准化残差值和非标准化残差值。论文中我们常用的以下几种拟合指标进行评价：
(1)卡方值，该指标值越小，表示整体模型的因果路径图与实际资料拟合度越高。但是该指标容易受样本容量的影响，样本数越大，越容易达到显著，几乎拒绝所有拟合较好的模型。因此，常用的卡方自由度比作为替代性检验指数。X2/df 越小，表示模型的拟合度越好。一般而言，X2/df<3 表示模型整体拟合度较好；3<X2/df<5 表示模型整体可以接受，但需要改进；X2/df>10 表明整体模型非常差。
(2)渐进均方根误差（RMSEA），该指标受样本数量影响较小，是较好的绝对拟合指标。该指标值越小，则模型拟合度越好。一般认为，RMSEA>0.1 表示模型拟合度不佳；0.08-
0.1 表示模型尚可，具有普通适配；0.05-0.08 表示模型拟合好；RMSEA<0.05 表示模型拟合度非常好。
(3)拟合指标，采用拟合良好性指标（GFI）、常规拟合指标（NFI）和比较拟合指标（CFI），调整拟合良好性指标（AGFI）。这四个拟合指数的数据值都局限于 0-1 之间，都是越接近 1 则表示模型的拟合度越好，一般认为它们的值在 0.8 以上即可认为数据与理论模型的拟合度可以接受。

模型拟合度不佳主要有两个原因，一个是错误的模型结构假设，可能是由于错误的外部界定，使一些观察变量或潜变量被遗漏，也可能是由于错误的内部界定，使模型中的路径被

错误假定或被遗漏；另一个是有关模型分布的假定不满足于正态分布。

当有内部界定错误出现时，可以对模型进行不断的修正以达到改进，其他错误则无法通过模型修正来改进，而需要釆取相应的措施对模型进行改进。模型修正有两种方法，一个是简约修正，即对一些路径进行剔除或限制；另一个是展修正，即对一些路径限制进行放松， 以提高模型拟合程度。
需要注意的是，拟合指数的作用是考察理论模型与数据的适配程度，并不能作为判断模型是否成立的唯一依据。拟合优度高的模型只能作为参考，还需要根据所研究问题的背景知识进行模型合理性讨论。即便拟合指数没有达到最优，但一个能够使用相关理论解释的模型更具有研究意义。
相关资料已上传我的资源，下载链接https://blog.csdn.net/TIQCmatlab?spm=1011.2124.3001.5343