amos基础4-模型识别与适配度

最新推荐文章于 2025-03-31 11:16:08 发布

jtys2016

最新推荐文章于 2025-03-31 11:16:08 发布

阅读量3.5w

点赞数 5

本文链接：https://blog.csdn.net/jtys2016/article/details/82253051

版权

本文介绍了AMOS中模型的适配度评估，包括基本适配指标、整体模型适配指标和模型内在结构适配度。强调了卡方值、RMSEA、GFI、AGFI、IFI、TLI、CFI等指标的重要性，并讨论了模型识别中的自由参数数与固定参数设定。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一，模型基本适配指标

在模型基本适配指标验证方面，Bogozzi和Yi（1988）提出以下几个准则

（1）估计参数中不能有负的误差方差

（2）所有误差变异必须达到显著水平（t值>1.96）

（3）估计参数统计量彼此相关的绝对值不能太接近1.

（4）潜在变量与其测量指标之间的因素负荷量，最好大于0.6

（5）不能有很大的标准误

（6）标准化参数<1

二，整体模型适配指标（模型外在质量的评估）

检验模型参数是否有违规估计现象之后在检验整体模型适配，在AMOS中极大似然比卡方值，其报表会出现3个模型的卡方值，此3个模型为预设模型，饱和模型，独立模型，要检验理论模型与实际数据是否适配或契合，应查看预设模型的CMIN值，若是一个假设模型达到适配，最好能进行模型简约的估计。一个适配度加的假设模型较多自由度，表示此假设模型是简约与精简模型，反之不是。

（一）绝对适配统计量

卡方值卡方自由度比 RMSEA GFI&AGFI

（二）增值适配统计量

（三）简约适配统计量