1、amos结构方程中拟合优度的指标值都在.8不到.9，这个可以修改模型解决吗？，另外RESAM值最高多少可以接受
接近于0.9的话，可以通过模型修正提高，具体看模型的修正指数。RMSEA的值小于0.08可以接受，小于0.05且p大于0.05时比较理想。相关结构方程模型Amos问题，南心网可以帮您。
2、问卷结构方程拟合卡方太大不符合标准，为什么
结构方程的卡方值主要受两个因素的影响，一个是理论模型和实测数据的拟合程度，另一个因素是样本容量。如果卡方很大，既可能是拟合不好，也可能是样本很大，还可能是二者共同的作用。
也正是因为这个原因，当前很多研究并不把卡方当做主要参考的拟合指标，因为我们只希望卡方反映拟合，不希望它受样本容量影响。
所以呢，如果你的研究卡方值偏大，也不必过分担心，应当主要参考其他拟合指标，如RMSEA,SRMR,CFI,NNFI等等。
3、结构方程模型各拟合标准都不理想怎么办
模型设计是否合理，数据是否经过预处理，是否根据修正指数进行了修正，是否处理了不显著的路径或测量指标等等。如有问题，我可以帮您。（南心网）
4、请问结构方程模型中，GFI,AGFI，ifi，rfi，nfi等指标是不是一定要0.9以上
最好是大于0.9，甚至于大于0.95，这些拟合指标的临界值都是通过大量的数据模拟得到的，也就是说如果达不到这些指标，模型很可能就是误设模型，不过我也有看到一篇数据模拟的论文里提到当样本量小于500的时候，srmr是最合适的指标，如果小于0.05，可以肯定模型正确，若大于0.08，可以肯定是误设的（适用于数据正态时，偏态时大于0.11认为模型误设），而其他的拟合指标表现不稳定，那这个时候主要参考srmr就可以，其他的指标过得去就行，如果样本量大于1000，NNFI,CFI,IFI这些指标比较合适，0.95以上可以认为模型正确，0.85以下可以断定模型错误（适用于数据偏态时，正态时0.95以下即认为误设）
你自己根据自己的的数据情况看吧，对于你提到的指标，我相信90%的文献都说是0.9以上为标准的，这个经验值还是很可信的，如果你不是正在写论文，那完全可以接受这个结果，如果你一定想要结果好，那就要么好好处理处理数据，重新做一下结构方程的分析，要么就找到相关的文献支持，以表明你用0.9以下的指标数值是合理的
如果是论文答辩或者发论文，只是0.8过一些那很可能要被答辩老师或者审稿人质疑的，接近0.9应该还勉强可以
5、smartpls如何看结构方程拟合优度
首先要保证样本量，一般来说至少200，主要是为了得到稳定的参数估计结果，不够两百的话基本上你跟审稿人或者答辩老师也没法交代。第二是所用数据协的方差-协方差矩阵要满足正定的条件，这个如果你不满足，使用软件时也往往会报错的，得不到参数
6、如何比较两个结构方程模型的拟合程度
根据GFI等拟合指标进行比较。（南心网 Amos结构方程模型分析）
7、结构方程模型中拟合问题
那是因为你的数据中包含有缺失值。
8、用stata做SEM结构方程，如何看拟合优度系数如GFI，AGFI等系数？
最好是大于0.9,甚至于大于0.95,这些拟合指标的临界值都是通过大量的数据模拟得到的,也就是说如果达不到这些指标,模型很可能就是误设模型,不过我也有看到一篇数据模拟的论文里提到当样本量小于500的时候,srmr是最合适的指标,如果小于0.05,可以肯定模型正确,若大于0.08,可以肯定是误设的（适用于数据正态时,偏态时大于0.11认为模型误设）,而其他的拟合指标表现不稳定,那这个时候主要参考srmr就可以,其他的指标过得去就行,如果样本量大于1000,NNFI,CFI,IFI这些指标比较合适,0.95以上可以认为模型正确,0.85以下可以断定模型错误（适用于数据偏态时,正态时0.95以下即认为误设）
你自己根据自己的的数据情况看吧,对于你提到的指标,我相信90%的文献都说是0.9以上为标准的,这个经验值还是很可信的,如果你不是正在写论文,那完全可以接受这个结果,如果你一定想要结果好,那就要么好好处理处理数据,重新做一下结构方程的分析,要么就找到相关的文献支持,以表明你用0.9以下的指标数值是合理的
如果是论文答辩或者发论文,只是0.8过一些那很可能要被答辩老师或者审稿人质疑的,接近0.9应该还勉强可以
9、您好，我在做毕业论文的数据分析，在结构方程模型构建的过程中，发现拟合指数不达标，该怎么办？
拟合指标看起来都差点意思
觉得首先你可以再考虑一下你的模型，检查检查路径，看看哪里可能存在问题，最简单的是看看单一路径，有哪些是不显著的，这会提示你有哪些路径的设置不合理，修改一下，拟合指标可以提升。当然，同样的方法你也可以去检验一下你的测量模型，看看有哪些题目很不好的，可以删就删。
其次，你看看你数据本身有没有什么问题，比如被试的作答有没有不太好的，比如有没有看起来乱填的，去掉那些明显胡乱作答的，数据质量会有所提升，相应的也许拟合会有改变
再有，品牌态度那个变量的题目太多了，可以考虑做题目打包，9个题打三包就够了，打包方法请自行查阅相关论文吧
各种方法综合一下，总会提升拟合度。另外，拟合度也只是一个经验指标，如果你后来有一些拟合指标变好了，有的，不行，那你也不用太强求，你再综合考量一下模型中的各个测定系数，修正指数等，如果都好，还是可以支持你的模型，这比单一参考拟合指标好