CFICFI、TLITLI以及RMSEARMSEA之间有何区别？

1、CFI

CFI——comparative?fit?index，比较拟合指数，该指数在对假设模型和独立模型比较时取得，其值在0－1之间，愈接近0表示拟合愈差，愈接近1表示拟合愈好。一般认为，CFI≥0.9，认为模型拟合较好。

2、TLI

TLI——Tucker-Lewis?index，Tucker-Lewis指数，该指数是比较拟合指数的一种，取值在0－1之间，愈接近0表示拟合愈差，愈接近1表示拟合愈好。如果TLI﹥0.9，则认为模型拟合较好。

3、RMSEA

RMSEA——root-mean-square?error?of?approximation，近似误差均方根，RMSEA是评价模型不拟合的指数，如果接近0表示拟合良好，相反，离0愈远表示拟合愈差。一般认为，如果RMSEA=0，表示模型完全拟合；RMSEA＜0.05，表示模型接近拟合；0.05≤RMSEA≤0.08，表示模型拟合合理；0.08＜RMSEA＜0.10，表示模型拟合一般；RMSEA≥0.10，表示模型拟合较差。

扩展资料：

不同学者提出了许多不同的拟合指数。常用的指标一般是卡方，自由度df，RMSEA(?Root?Mean?Square?Error?of?Approximation,?近似误差均方根）)，GFI（goodness-of-fit?index,?拟合优度指数），NNFI（non-normed?fit?index）和CFI(comparative?fit?index,?比较拟合指数)。一般认为，如果RMSEA在0.08以下（越小越好），GFI、NNFI和CFI在0.9以上（越大越好），所拟合的模型是一个“好”模型。

AGFI（adjusted?goodness-of-fit?index），IFI也是越大越好，表明模型拟合的较好，不过现在不常用。卡方和自由度主要用于比较多个模型，卡方值越小越好，自由度反映了模型的复杂程度，模型越简单，自由度越多，反之，模型越复杂，自由度越少。总的来说，我们追求的是既简单又拟合得好的模型。

《AMOS基础视频-张伟豪》百度网盘资源免费下载

链接:https://pan.baidu.com/s/16RPHmkWoFZYGTOfG9N7ghA

AMOS基础视频-张伟豪|张伟豪老师公开课视频.mp4|论文4_P.mp4|论文|论文|论文|论文|论文|论文|论文|base4_P.mp4|BASE-|BASE-

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com