3 AMOS 模型适配度及其评价指标
结构方程模型本质上是一种验证式的模型分析,检验数据与假设模型的拟合或一致程度,
或者说是用数据拟合假设模型。适配度指标又称拟合度指标,是评价数据与假设模型是否相
互匹配,而不是说明路径分析模型图的好坏,一个适配度完全符合评价标准的模型图不一定 保证是个有用的模型,只能说研究者假设的模型图比较符合实际数据的情况。
在检验整体模型适配度指标时,学者 Hair
等人(1998)建议,应先检验模型参数是否有违规估计现象,可以从下列三个方面着手:(1)有无负的误差方差存在;(2)标准化参数系数是否≥1;(3)是否有太大的标准误存在。如果模型检验结果没有违规估计现象,则可以进行整体模型适配度的检验。
一般而言,整体模型适配度是否达到标准可从以下四个指标来考查:

(1)绝对适配统计量,包括卡方值、卡方自由度比(X2/df)、渐进残差均方和平方根(RMSEA)、

GFI 等;

(2)增值适配度统计量,如NFI、CFI 等;

(3)简约适配度统计量,如 PNFI、临界样本数值 CN、省检拟合优度指标(PGFI)等;

(4)残差分析指标,如标准化残差值和非标准化残差值。论文中我们常用的以下几种拟合指标进行评价:

(1)卡方值,该指标值越小,表示整体模型的因果路径图与实际资料拟合度越高。但是该指标容易受样本容量的影响,样本数越大,越容易达到显著,几乎拒绝所有拟合较好的模型。因此,常用的卡方自由度比作为替代性检验指数。X2/df
越小,表示模型的拟合度越好。一般而言,X2/df<3 表示模型整体拟合度较好;3<X2/df<5 表示模型整体可以接受,但需要改进;X2/df>10
表明整体模型非常差。
(2)渐进均方根误差(RMSEA),该指标受样本数量影响较小,是较好的绝对拟合指标。该指标值越小,则模型拟合度越好。一般认为,RMSEA>0.1
表示模型拟合度不佳;0.08-
0.1 表示模型尚可,具有普通适配;0.05-0.08 表示模型拟合好;RMSEA<0.05 表示模型拟合度非常好。

(3)拟合指标,采用拟合良好性指标(GFI)、常规拟合指标(NFI)和比较拟合指标(CFI),调整拟合良好性指标(AGFI)。这四个拟合指数的数据值都局限于
0-1 之间,都是越接近 1 则表示模型的拟合度越好,一般认为它们的值在 0.8 以上即可认为数据与理论模型的拟合度可以接受。

模型拟合度不佳主要有两个原因,一个是错误的模型结构假设,可能是由于错误的外部界定,使一些观察变量或潜变量被遗漏,也可能是由于错误的内部界定,使模型中的路径被

错误假定或被遗漏;另一个是有关模型分布的假定不满足于正态分布。

当有内部界定错误出现时,可以对模型进行不断的修正以达到改进,其他错误则无法通过模型修正来改进,而需要釆取相应的措施对模型进行改进。模型修正有两种方法,一个是简约修正,即对一些路径进行剔除或限制;另一个是展修正,即对一些路径限制进行放松,
以提高模型拟合程度。

需要注意的是,拟合指数的作用是考察理论模型与数据的适配程度,并不能作为判断模型是否成立的唯一依据。拟合优度高的模型只能作为参考,还需要根据所研究问题的背景知识进行模型合理性讨论。即便拟合指数没有达到最优,但一个能够使用相关理论解释的模型更具有研究意义。
注:需要全套资料或者代做加QQ1564658423。

技术
友情链接
码工具
Toolsou
API参考文档
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:ixiaoyang8@qq.com
QQ群:766591547
关注微信