结构方程模型中拟合指数（CFI、RMSEA）的阈值标准.docxVIP

结构方程模型中拟合指数（CFI、RMSEA）的阈值标准

引言

在社会科学、心理学、管理学等领域的定量研究中，结构方程模型（StructuralEquationModeling,SEM）作为一种能够同时处理多变量关系、验证理论假设的统计方法，已成为数据分析的核心工具之一。而模型拟合度评估是SEM应用中至关重要的环节，它直接关系到研究结论的可靠性。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）因对模型复杂度和样本量的敏感性较低、解释直观等特点，被广泛用于判断模型与数据的匹配程度。然而，关于二者的阈值标准（即“多好才算好”）始终存在争议——早期研究提出的固定阈值是否适用于所有场景？不同研究领域是否需要调整标准？这些问题不仅影响研究者对模型的判断，更可能导致研究结论的偏差。本文将系统梳理CFI与RMSEA阈值标准的发展脉络，结合经典文献与实证研究，探讨其理论依据、争议焦点及应用建议，为研究者提供更科学的参考框架。

一、结构方程模型与拟合指数的基础认知

（一）结构方程模型的核心逻辑与拟合评估的必要性

结构方程模型通过构建测量模型（反映观测变量与潜变量的关系）和结构模型（反映潜变量之间的关系），将理论假设转化为数学表达式，最终通过实际数据