请大家帮忙看看LISREL结果的拟合指数是否合理？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

Degrees of Freedom = 477
               Minimum Fit Function Chi-Square = 1290.85 (P = 0.0)
       Normal Theory Weighted Least Squares Chi-Square = 1151.96 (P = 0.0)
                Estimated Non-centrality Parameter (NCP) = 674.96
            90 Percent Confidence Interval for NCP = (579.34 ; 778.26)
                        Minimum Fit Function Value = 5.16
                Population Discrepancy Function Value (F0) = 2.70
              90 Percent Confidence Interval for F0 = (2.32 ; 3.11)
             Root Mean Square Error of Approximation (RMSEA) = 0.075
            90 Percent Confidence Interval for RMSEA = (0.070 ; 0.081)
               P-Value for Test of Close Fit (RMSEA < 0.05) = 0.00
                  Expected Cross-Validation Index (ECVI) = 5.28
             90 Percent Confidence Interval for ECVI = (4.90 ; 5.69)
                         ECVI for Saturated Model = 4.49
                       ECVI for Independence Model = 31.48
     Chi-Square for Independence Model with 528 Degrees of Freedom = 7804.40
                            Independence AIC = 7870.40
                               Model AIC = 1319.96
                             Saturated AIC = 1122.00
                           Independence CAIC = 8019.74
                               Model CAIC = 1700.10
                             Saturated CAIC = 3660.78
                          Normed Fit Index (NFI) = 0.83
                        Non-Normed Fit Index (NNFI) = 0.88
                     Parsimony Normed Fit Index (PNFI) = 0.75
                        Comparative Fit Index (CFI) = 0.89
                        Incremental Fit Index (IFI) = 0.89
                         Relative Fit Index (RFI) = 0.82
                             Critical N (CN) = 107.86
                      Root Mean Square Residual (RMR) = 0.37
                             Standardized RMR = 0.087
                        Goodness of Fit Index (GFI) = 0.78
                   Adjusted Goodness of Fit Index (AGFI) = 0.74
                  Parsimony Goodness of Fit Index (PGFI) = 0.66

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏3 回帖

关键词：LISREL lisre isrel ISR independence 结果 指数 合理 拟合 LISREL

阁下问的是指这些指数是否反映可接受的拟合程度，还是？？

2# stephen1981 是的。就是想请教该结果是否是在可接受的拟合程度之内。请多多指教。

3# aku2008

整体来看，这个模型拟合结果不是太好。

4# 辛勤工作

那请问，这些拟合指数中哪些最需要修改呢？如何要调整的话，您看哪些需要做哪些工作呢？

不好！！！！！！！！！！

5# aku2008 其实你很多指数都是接近达标的临界值，都是差一点，建议你可以考虑以下几个方面：
A. 检查MODIFICATION INDEX， 看看有没有一些变量之间变量对应的误差存在较显著的相关，尤其是那些MI值超过34的，这个好像是邱皓政和林碧芳老师书里有提到。
B.若有，可考虑添加一条相关路径，但必须慎重考虑，这是否有理论意义，即是否有文献支持该路径的添加。
C 你还可以观察哪些观测变量之间的相关非常之大，如大于.90，那你可能可以考虑删除其中一题，减少题目数还有助于提高GFI值。
D.你还可以看看在某一潜在变量下，哪些观察变量的standardized regression weight小于.50，则可以考虑删去，但记得最好能保证相应的潜在变量含至少三个观测变量。
E.再次检查你的AMOS报表中的“regression weight”和"variances"的数据， 若发现有不显著的路径（对于CFA的measurement model而言），可考虑将相应的观测变量删除。那些standardized regression weight有超过1的可考虑删除。
F.这一步其实应该是要在前面几步之前要先考虑的，就是在你做CFA之前应该要检查一元异常值和多元异常值（univariate and multivariate outliers，如检验D值及其相伴概率是否小于.001，以及标准残差值等见Tabachnick & Fidell (1996,2001,2007)），以及样本数据的是否满足正态分布的假设(如峰态值与偏态值等)。
G.以上问题如果你都考虑了而且还是得到一样的结果的话，你可能还要考虑样本数和题目数的比例关系，一般最好样本数是题目数是的10倍以上为佳，5倍左右基本可以接受吧。譬如你还可以考虑收集多些样本来另外检验你的模型，或者如果你原来的样本数超多，那可以试着随机分成两组，分别做CFA检验，看看两组出来的拟合度指数如何。另外，你可能需要回到文献，考虑性别，年龄等因素可能对你模型的影响，因为有些模型可能对男生的数据模拟程度好过对女生的数据，等等。
以上意见仅供参考！祝你成功！！

感觉还可以，是可以接受的，在临界值附近也是可以接受的

1# aku2008

CFI, NFI, GFI 都小于.90. RMSEA上限到了.081.这些指数都是不行的。

感谢各位的帮助！