1、amos結構方程中擬合優度的指標值都在.8不到.9，這個可以修改模型解決嗎？，另外RESAM值最高多少可以接受
接近於0.9的話，可以通過模型修正提高，具體看模型的修正指數。RMSEA的值小於0.08可以接受，小於0.05且p大於0.05時比較理想。相關結構方程模型Amos問題，南心網可以幫您。
2、問卷結構方程擬合卡方太大不符合標准，為什麼
結構方程的卡方值主要受兩個因素的影響，一個是理論模型和實測數據的擬合程度，另一個因素是樣本容量。如果卡方很大，既可能是擬合不好，也可能是樣本很大，還可能是二者共同的作用。
也正是因為這個原因，當前很多研究並不把卡方當做主要參考的擬合指標，因為我們只希望卡方反映擬合，不希望它受樣本容量影響。
所以呢，如果你的研究卡方值偏大，也不必過分擔心，應當主要參考其他擬合指標，如RMSEA,SRMR,CFI,NNFI等等。
3、結構方程模型各擬合標准都不理想怎麼辦
模型設計是否合理，數據是否經過預處理，是否根據修正指數進行了修正，是否處理了不顯著的路徑或測量指標等等。如有問題，我可以幫您。（南心網）
4、請問結構方程模型中，GFI,AGFI，ifi，rfi，nfi等指標是不是一定要0.9以上
最好是大於0.9，甚至於大於0.95，這些擬合指標的臨界值都是通過大量的數據模擬得到的，也就是說如果達不到這些指標，模型很可能就是誤設模型，不過我也有看到一篇數據模擬的論文里提到當樣本量小於500的時候，srmr是最合適的指標，如果小於0.05，可以肯定模型正確，若大於0.08，可以肯定是誤設的（適用於數據正態時，偏態時大於0.11認為模型誤設），而其他的擬合指標表現不穩定，那這個時候主要參考srmr就可以，其他的指標過得去就行，如果樣本量大於1000，NNFI,CFI,IFI這些指標比較合適，0.95以上可以認為模型正確，0.85以下可以斷定模型錯誤（適用於數據偏態時，正態時0.95以下即認為誤設）
你自己根據自己的的數據情況看吧，對於你提到的指標，我相信90%的文獻都說是0.9以上為標準的，這個經驗值還是很可信的，如果你不是正在寫論文，那完全可以接受這個結果，如果你一定想要結果好，那就要麼好好處理處理數據，重新做一下結構方程的分析，要麼就找到相關的文獻支持，以表明你用0.9以下的指標數值是合理的
如果是論文答辯或者發論文，只是0.8過一些那很可能要被答辯老師或者審稿人質疑的，接近0.9應該還勉強可以
5、smartpls如何看結構方程擬合優度
首先要保證樣本量，一般來說至少200，主要是為了得到穩定的參數估計結果，不夠兩百的話基本上你跟審稿人或者答辯老師也沒法交代。第二是所用數據協的方差-協方差矩陣要滿足正定的條件，這個如果你不滿足，使用軟體時也往往會報錯的，得不到參數
6、如何比較兩個結構方程模型的擬合程度
根據GFI等擬合指標進行比較。（南心網 Amos結構方程模型分析）
7、結構方程模型中擬合問題
那是因為你的數據中包含有缺失值。
8、用stata做SEM結構方程，如何看擬合優度系數如GFI，AGFI等系數？
最好是大於0.9,甚至於大於0.95,這些擬合指標的臨界值都是通過大量的數據模擬得到的,也就是說如果達不到這些指標,模型很可能就是誤設模型,不過我也有看到一篇數據模擬的論文里提到當樣本量小於500的時候,srmr是最合適的指標,如果小於0.05,可以肯定模型正確,若大於0.08,可以肯定是誤設的（適用於數據正態時,偏態時大於0.11認為模型誤設）,而其他的擬合指標表現不穩定,那這個時候主要參考srmr就可以,其他的指標過得去就行,如果樣本量大於1000,NNFI,CFI,IFI這些指標比較合適,0.95以上可以認為模型正確,0.85以下可以斷定模型錯誤（適用於數據偏態時,正態時0.95以下即認為誤設）
你自己根據自己的的數據情況看吧,對於你提到的指標,我相信90%的文獻都說是0.9以上為標準的,這個經驗值還是很可信的,如果你不是正在寫論文,那完全可以接受這個結果,如果你一定想要結果好,那就要麼好好處理處理數據,重新做一下結構方程的分析,要麼就找到相關的文獻支持,以表明你用0.9以下的指標數值是合理的
如果是論文答辯或者發論文,只是0.8過一些那很可能要被答辯老師或者審稿人質疑的,接近0.9應該還勉強可以
9、您好，我在做畢業論文的數據分析，在結構方程模型構建的過程中，發現擬合指數不達標，該怎麼辦？
擬合指標看起來都差點意思
覺得首先你可以再考慮一下你的模型，檢查檢查路徑，看看哪裡可能存在問題，最簡單的是看看單一路徑，有哪些是不顯著的，這會提示你有哪些路徑的設置不合理，修改一下，擬合指標可以提升。當然，同樣的方法你也可以去檢驗一下你的測量模型，看看有哪些題目很不好的，可以刪就刪。
其次，你看看你數據本身有沒有什麼問題，比如被試的作答有沒有不太好的，比如有沒有看起來亂填的，去掉那些明顯胡亂作答的，數據質量會有所提升，相應的也許擬合會有改變
再有，品牌態度那個變數的題目太多了，可以考慮做題目打包，9個題打三包就夠了，打包方法請自行查閱相關論文吧
各種方法綜合一下，總會提升擬合度。另外，擬合度也只是一個經驗指標，如果你後來有一些擬合指標變好了，有的，不行，那你也不用太強求，你再綜合考量一下模型中的各個測定系數，修正指數等，如果都好，還是可以支持你的模型，這比單一參考擬合指標好