R 扫描电镜在拉万的模型拟合

拉旺sem模型中CFI=0的原因是什么。统计值见附件

---

首先，让我们检查一下CFI估计器是如何工作的：

通常，SEM程序不会显示低于0的CFI值，因此，如果获得负值，软件将显示0

例如：

库（拉万）
#>这是拉瓦恩0.6-8
#>拉万是自由软件！请报告任何错误。
HS.model
#>估计量
#>优化方法NLMINB
#>模型参数数量21
#>                                                       
#>意见数目301
#>                                                       
#>模型测试用户模型：
#>                                                       
#>检验统计量85.306
#>自由度24
#>P值（卡方检验）0.000
#> 
#>模型测试基线模型：
#> 
#>检验统计918.852
#>自由度36
#>P值0.000
#> 
#>用户模型与基线模型：
#> 
#>比较拟合指数（CFI）0.931
#>塔克-刘易斯指数（TLI）0.896
#> 
#>日志和信息标准：
#> 
#>对数似然用户模型（H0）-3737.745
#>对数似然无限制模型（H1）-3695.092
#>                                                       
#>Akaike（AIC）7517.490
#>贝叶斯（BIC）7595.339
#>样本量调整贝叶斯（BIC）7528.739
#> 
#>近似均方根误差：
#> 
#>RMSEA 0.092
#>90%置信区间-低于0.071
#>90%置信区间-上限0.114
#>P值RMSEA
#>标准化均方根残差：
#> 
#>SRMR 0.065
#> 
#>参数估计：
#> 
#>标准误差标准
#>预期信息
#>信息饱和（h1）模型
#> 
#>潜在变量：
#>估计标准误差z值P（>z）
#>视觉=~
#>x1 1.000
#>x2 0.554 0.100 5.554 0.000
#>x3 0.729 0.109 6.685 0.000
#>文本=~
#>x4 1.000
#>x5 1.113 0.065 17.014 0.000
#>x6 0.926 0.055 16.703 0.000
#>速度=~
#>x7 1.000
#>x8 1.180 0.165 7.152 0.000
#>x9 1.082 0.151 7.155 0.000
#> 
#>协方差：
#>估计标准误差z值P（>z）
#>视觉~
#>文本0.408 0.074 5.552 0.000
#>速度0.262 0.056 4.660 0.000
#>文本~~
#>速度0.173 0.049 3.518 0.000
#> 
#>差异：
#>估计标准误差z值P（>z）
#>.x1 0.549 0.114 4.833 0.000
#>.x2 1.134 0.102 11.146 0.000
#>.x3 0.844 0.091 9.317 0.000
#>.x4 0.371 0.048 7.779 0.000
#>.x5 0.446 0.058 7.642 0.000
#>.x6 0.356 0.043 8.277 0.000
#>.x7 0.799 0.081 9.823 0.000
#>.x8 0.488 0.074 6.573 0.000
#>.x9 0.566 0.071 8.003 0.000
#>视觉0.809 0.145 5.564 0.000
#>文本0.979 0.112 8.737 0.000
#>速度0.384 0.086 4.451 0.000

如您所见，模型的X²为85.306，具有24个自由度，而基准模型的X²为918.852，具有36个自由度。 因此，我们可以轻松地手动计算CFI：

1-((85.306-24)/(918.852-36))
#> [1] 0.9305591

您可以将其与

summary（）

函数（即

0.931

）报告的CFI进行比较

您报告的型号允许我们检查，如果软件未将CFI限制为

0

，您的CFI是否为负值

1-（（5552.006-94）/（3181.455-21））
#> [1] -0.7269684

---

由（v1.0.0）于2021-03-27创建的

CFI值小于0是否表示我的模型不适合？是的，非常不适合。如果我的回答解决了您的问题，请将其标记为已解决。我看到一篇文章说，CFI、TLI和其他增量拟合指数可能信息量不大，因为基线模型的RMSEA<0.158（Kenny、Kaniskan和McCoach，2015）。在我的分析中，基线模型的RMSEA=0.08645056。这是否意味着我的模特很好。如果没有，在这种情况下可以做什么。你不应该依赖于单一的GoF，相反，你应该根据不同类型的GoF评估你的模型是否适合数据。从我看来，你的RMSEA是好的，但是，你的χ2检验在统计学上是显著的，CFI和TLI是不可接受的。。我不认为全球适合度是可以接受的。因此，您的数据与您的模型不太相符。你可以考虑改变模型，但是它必须基于理论考虑。