sem擬合指標建議值

1、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

2、amos擬合指數問題

Amos中個別指標沒有達到理想狀態是可以接受的，但既然多數指標達標，個別指標不達標，說明存在某些細節問題，建議繼續檢查數據，例如原始數據中的極端值，或者檢驗各個測量模型的擬合情況。

3、擬合優度和擬合指數

RMSEA小於0.08. 在所有的樣本組中，沒有一個樣本其GSMS模型的四個擬合指標達標。其中，有一個樣本組，擬合了四個指標中的三個，其餘八個樣本組所擬合達標的指標數量都小於等於2個。當EMSEA小於0.05時，其結果與上述結果相同。（南心網為您解答結構方程模型擬合問題）

4、如何分析回歸模型的擬合度和顯著性

模型的擬合度是用R和R方來表示的，一般大於0.4就可以了；自變數的顯著性是根據各個自變數系數後面的Sig值判斷的，如果小於0.05可以說在95%的顯著性水平下顯著，小於0.01就可以說在99%的顯著性水平下顯著了。如果沒有給出系數表，是看不到顯著性如何的。

回歸分析(regression analysis)是研究一個變數（被解釋變數）關於另一個（些）變數（解釋變數）的具體依賴關系的計算方法和理論。 從一組樣本數據出發，確定變數之間的數學關系式對這些關系式的可信程度進行各種統計檢驗，並從影響某一特定變數的諸多變數中找出哪些變數的影響顯著，哪些不顯著。利用所求的關系式，根據一個或幾個變數的取值來預測或控制另一個特定變數的取值，並給出這種預測或控制的精確程度。

其用意：在於通過後者的已知或設定值，去估計和（或）預測前者的（總體）均值。

拓展資料：

回歸模型（regression model）對統計關系進行定量描述的一種數學模型。如多元線性回歸的數學模型可以表示為y=β0+β1*x+εi，式中，β0，β1，…，βp是p+1個待估計的參數，εi是相互獨立且服從同一正態分布N(0,σ2)的隨機變數，y是隨機變數；x可以是隨機變數，也可以是非隨機變數,βi稱為回歸系數，表徵自變數對因變數影響的程度。

（資料來源：網路：回歸模型）

5、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

6、logistic分析結果中，需要報告的卡方值怎麼操作、設置和觀察？能具體回答嗎？

你的老師不要你報告Nagelkerke R square或-2Loglikelihood值是正確的。線性模型的擬合優度指標（R square）對於Logistic回歸是不適用的。在Logistic回歸中，你應該主要把Hosmer and Lemeshow Test的結果作為擬合優度指標，當其Sig值（P值）大於0.05時（最好是大於0.1以上）認為模型擬合優度可以接受。
操作：在Logistic回歸主界面里，點擊Options鍵，然後勾選Hosmer-Lemeshow goodness-of-fit statistic就可以了（記得最後點擊OK）。這會生成2張Hosmer and Lemeshow Test的結果表格，第一張是總體擬合度結果，第二張是每10個百分點原始數據的擬合度結果，你主要報告第一張表格的結果就可以了，第二張表格的結果我估計你的老師也未必看得懂，可以不報告。

7、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

8、amos中模型擬合度指標

參考模型修改指數，有時候就是要犧牲個別路徑的顯著性提高擬合指數，擬合指數還是更重要一些。當然，前提是顯著性水平要達到顯著水平

9、mplus做sem會有模型擬合度嗎

當然會了。這是任何結構方程軟體都可以提供的。MPLUS主要提供卡方，CFI，TLI，RMSEA，SRMR，AIC，BIC這些個擬合指標