Model 路径分析:CFI=1,RMSEA=0
我运行了一个路径分析模型,但似乎模型拟合指数是完美的:CFI=1.00,RMSEA=0.00。然而,完美的模型拟合通常表示饱和模型。但我的模型似乎不是这样,因为我有额外的自由度。那么,如何解读CFI和RMSEA呢?非常感谢你的帮助Model 路径分析:CFI=1,RMSEA=0,model,path,analysis,structural-equation-model,Model,Path,Analysis,Structural Equation Model,我运行了一个路径分析模型,但似乎模型拟合指数是完美的:CFI=1.00,RMSEA=0.00。然而,完美的模型拟合通常表示饱和模型。但我的模型似乎不是这样,因为我有额外的自由度。那么,如何解读CFI和RMSEA呢?非常感谢你的帮助 lavaan (0.5-21) converged normally after 39 iterations Number of observations 109 Number of missing p
lavaan (0.5-21) converged normally after 39 iterations
Number of observations 109
Number of missing patterns 6
Estimator ML
Minimum Function Test Statistic 6.199
Degrees of freedom 11
P-value (Chi-square) 0.860
Model test baseline model:
Minimum Function Test Statistic 150.084
Degrees of freedom 20
P-value 0.000
User model versus baseline model:
Comparative Fit Index (CFI) 1.000
Tucker-Lewis Index (TLI) 1.067
Loglikelihood and Information Criteria:
Loglikelihood user model (H0) -1000.419
Loglikelihood unrestricted model (H1) -997.320
Number of free parameters 19
Akaike (AIC) 2038.838
Bayesian (BIC) 2089.974
Sample-size adjusted Bayesian (BIC) 2029.936
Root Mean Square Error of Approximation:
RMSEA 0.000
90 Percent Confidence Interval 0.000 0.054
P-value RMSEA <= 0.05 0.941
Standardized Root Mean Square Residual:
SRMR 0.052
Parameter Estimates:
Information Observed
Standard Errors Standard
Regressions:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
SelfEsteem ~
EnglishNam (a) -0.382 0.184 -2.073 0.038 -0.382 -0.200
Well_Being ~
SelfEsteem (b) 0.668 0.095 6.998 0.000 0.668 0.558
EnglishName ~
RmmbrChnsN -0.057 0.035 -1.623 0.105 -0.057 -0.204
PrnncChnsN -0.064 0.032 -1.981 0.048 -0.064 -0.249
MentalHealth ~
SelfEsteem (c) 0.779 0.088 8.846 0.000 0.779 0.656
GeneralPhysicalHealth ~
SelfEsteem (d) 0.335 0.099 3.368 0.001 0.335 0.314
Covariances:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
.Well_Being ~~
.MentalHealth 0.085 0.079 1.076 0.282 0.085 0.105
.GnrlPhysclHlth 0.196 0.091 2.153 0.031 0.196 0.214
.MentalHealth ~~
.GnrlPhysclHlth 0.191 0.083 2.308 0.021 0.191 0.233
Intercepts:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
.SelfEsteem 5.605 0.126 44.424 0.000 5.605 5.880
.Well_Being 0.860 0.525 1.638 0.101 0.860 0.754
.EnglishName 1.014 0.132 7.701 0.000 1.014 2.031
.MentalHealth 0.708 0.485 1.460 0.144 0.708 0.626
.GnrlPhysclHlth 3.756 0.548 6.854 0.000 3.756 3.700
Variances:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
.SelfEsteem 0.872 0.119 7.356 0.000 0.872 0.960
.Well_Being 0.896 0.122 7.329 0.000 0.896 0.689
.EnglishName 0.206 0.029 7.127 0.000 0.206 0.826
.MentalHealth 0.728 0.101 7.201 0.000 0.728 0.569
.GnrlPhysclHlth 0.929 0.129 7.211 0.000 0.929 0.901
lavan(0.5-21)在39次迭代后正常收敛
意见数目109
缺失模式的数量6
估计量
最小功能测试统计6.199
自由度11
P值(卡方检验)0.860
模型测试基线模型:
最小功能测试统计值150.084
自由度20
P值0.000
用户模型与基线模型:
比较拟合指数(CFI)1.000
塔克-刘易斯指数(TLI)1.067
日志和信息标准:
对数似然用户模型(H0)-1000.419
对数似然无限制模型(H1)-997.320
自由参数数19
Akaike(AIC)2038.838
贝叶斯(BIC)2089.974
样本量调整贝叶斯(BIC)2029.936
近似均方根误差:
RMSEA 0.000
90%置信区间0.000 0.054
P值RMSEA | z |)标准低压标准所有
自尊~
英语南语(a)-0.3820.184-2.0730.038-0.382-0.200
嗯~
自尊(b)0.6680.0956.9980.000 0.6680.558
英语名称~
RmmbrChnsN-0.057 0.035-1.623 0.105-0.057-0.204
PrnncChnsN-0.064 0.032-1.981 0.048-0.064-0.249
精神健康~
自尊(c)0.779 0.088 8.846 0.000 0.779 0.656
一般物理健康~
自尊(d)0.3350.0993.3680.001 0.3350.314
协方差:
估算标准误差z值P(>| z |)标准低压标准所有
.好吧~
.精神健康0.085 0.079 1.076 0.282 0.085 0.105
.GnrlPhysclHlth 0.196 0.091 2.153 0.031 0.196 0.214
.精神健康~
.GnrlPhysclHlth 0.191 0.083 2.308 0.021 0.191 0.233
截取:
估算标准误差z值P(>| z |)标准低压标准所有
.自尊5.605 0.126 44.424 0.000 5.605 5.880
.Well_为0.860 0.525 1.638 0.101 0.860 0.754
.EnglishName 1.014 0.132 7.701 0.000 1.014 2.031
.精神健康0.708 0.485 1.460 0.144 0.708 0.626
.GnrlPhysclHlth 3.756 0.548 6.854 0.000 3.756 3.700
差异:
估算标准误差z值P(>| z |)标准低压标准所有
.自尊0.8720.119 7.356 0.000 0.872 0.960
.Well_为0.896 0.122 7.329 0.000 0.896 0.689
.EnglishName 0.206 0.029 7.127 0.000 0.206 0.826
.精神健康0.7280.101 7.201 0.000 0.7280.569
.GnrlPhysclHlth 0.929 0.129 7.211 0.000 0.929 0.901
我在网上的某个地方读到,当卡方贡献小于模型任何给定步骤的自由度(即,用于测试配置不变性的基线拟合或将度量模型与配置模型进行步骤比较等)时,存在建模问题我以前从未遇到过这个问题,我也不太明白。然而,总体而言,所有具有相应“完美拟合”的模型似乎都是如此。可能来自此来源:“如果χ2小于df,则RMSEA设置为零”