用python中的factor_分析器计算拟合优度和rmsea

我正在使用模块在python中执行验证性因素分析

我在hi和low中搜索了生成模型诊断的方法，如近似均方根误差、卡方误差、CFI和Tucker-Lewis指数。我并不特别喜欢数学，对python也不太熟悉，但我大部分时间都能应付过去

我知道factor_analyzer模块产生许多不同的对象，理论上允许我进行额外的计算，我发现这为我提供了所需的大部分公式。然而，我不知道采取什么（或计算）来获得我需要的模型诊断

终审法院守则

model_dict = {"F1": factor_1,
              "F2": factor_2}# I have made these lists previously

model_spec = ModelSpecificationParser.parse_model_specification_from_dict(df[influence_scale],
                                                                           model_dict)
cfa = ConfirmatoryFactorAnalyzer(model_spec, disp=False)

cfa.fit(df[influence_scale].values)

cfa_loadings = pd.DataFrame(cfa.loadings_)

我没有得到任何错误，代码运行良好，为我提供了清晰的加载，正如我在每个因素上预期的那样，但是我真的被困在获取我需要的额外统计数据上

---

如果有人能帮助我，我将非常感谢。

我也找不到任何关于这方面的文档。我想计算CMIN、CFI、SRMR、RMSEA等，就像在MPLU或AMOS中一样。你考虑过吗？我认为这将是对factor_analyzer软件包的一个非常有用的补充。我已经想到了它，但老实说，我不知道如何做到这一点。我对软件包的世界很陌生。我在《魔兽世界》上为你提出了一个问题，万分感谢@johannesiner