拟合指数分类与评估：绝对拟合指数与应用.pdfVIP

一些关于拟合指数的澄清和建议

Tanaka（1993）、Maruyama（1998）和其他人区分了几种拟合指数：绝对拟合指数、相对

拟合指数、简约拟合指数和基于非性参数的拟合指数。

2

绝对拟合指数（，GFI，AGFI，Hoelter的CN，AIC，BIC，ECVI，RMR，SRMR）

绝对拟合指数不使用替代模型作为比较的基础。它们仅仅是根据获得的和隐含的协方差矩阵

以及ML最小化函数的拟合情况得出的。卡方（，有时被称为T）是结构模型的原始拟合指数，

因为它直接从拟合函数[fML(N‑1)]中得出。由于卡方是原始拟合指数，并且它是大多数其他拟

合指数的基础，因此在所有SEM结果部分中都会常规报告。

在实践中，然而，卡方（chi‑square）通常不被认为是一个非常有用的拟合指数，因为

以下因素对其有影响：(1)样本量——较大的样本会产生较大的卡方值，即使暗示的协方差

矩阵和观测到的协方差矩阵之间只有很小的差异，这些卡方值也是显著的。另一方面，小样

本可能过于容易接受较差的模型（II型错误）。根据我的经验，当样本量超过200左右时，

很难得到一个非显著的卡方值（表明拟合良好）。(2)模型大小也对卡方值有增加效应。变

量的模型往往具有更大的卡方值。(3)