结构方程模型（SEM）中拟合指数（CFI、RMSEA）的阈值解读.docxVIP

结构方程模型（SEM）中拟合指数（CFI、RMSEA）的阈值解读

一、结构方程模型与拟合指数概述

结构方程模型（StructuralEquationModeling,SEM）作为社会科学、行为科学等领域常用的统计方法，旨在通过验证性分析揭示变量间的复杂关系，既包含测量模型（变量与观测指标的关系），也包含结构模型（潜变量间的因果关联）。其核心目标是构建一个既能反映理论假设，又能与实际观测数据高度契合的统计模型。而判断模型与数据“契合度”的关键工具，正是拟合指数——一组通过量化指标描述模型预测数据与实际观测数据差异的统计量。

在众多拟合指数中，比较拟合指数（ComparativeFitIndex,CFI）和近似误差均方根（RootMeanSquareErrorofApproximation,RMSEA）因其对模型复杂度的适应性、结果解释的直观性，成为应用最广泛的两个指标。研究者常通过“CFI是否达到0.90”“RMSEA是否小于0.08”等问题快速判断模型拟合质量，但这些阈值的来源、适用条件及局限性却常被忽视。对CFI与RMSEA阈值的深入解读，不仅关系到模型评价的科学性，更直接影响研究结论的可靠性。

二、CFI与RMSEA的基本原理与阈值来源

（一）CFI：基于相对改进的拟合评价

CFI的设计逻辑源于“相对拟合”的理念。其核心思想是：一个好的模型，应比“无任何