sem拟合指标建议值

1、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

2、amos拟合指数问题

Amos中个别指标没有达到理想状态是可以接受的，但既然多数指标达标，个别指标不达标，说明存在某些细节问题，建议继续检查数据，例如原始数据中的极端值，或者检验各个测量模型的拟合情况。

3、拟合优度和拟合指数

RMSEA小于0.08. 在所有的样本组中，没有一个样本其GSMS模型的四个拟合指标达标。其中，有一个样本组，拟合了四个指标中的三个，其余八个样本组所拟合达标的指标数量都小于等于2个。当EMSEA小于0.05时，其结果与上述结果相同。（南心网为您解答结构方程模型拟合问题）

4、如何分析回归模型的拟合度和显著性

模型的拟合度是用R和R方来表示的，一般大于0.4就可以了；自变量的显著性是根据各个自变量系数后面的Sig值判断的，如果小于0.05可以说在95%的显著性水平下显著，小于0.01就可以说在99%的显著性水平下显著了。如果没有给出系数表，是看不到显著性如何的。

回归分析(regression analysis)是研究一个变量（被解释变量）关于另一个（些）变量（解释变量）的具体依赖关系的计算方法和理论。 从一组样本数据出发，确定变量之间的数学关系式对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量的影响显著，哪些不显著。利用所求的关系式，根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精确程度。

其用意：在于通过后者的已知或设定值，去估计和（或）预测前者的（总体）均值。

拓展资料：

回归模型（regression model）对统计关系进行定量描述的一种数学模型。如多元线性回归的数学模型可以表示为y=β0+β1*x+εi，式中，β0，β1，…，βp是p+1个待估计的参数，εi是相互独立且服从同一正态分布N(0,σ2)的随机变量，y是随机变量；x可以是随机变量，也可以是非随机变量,βi称为回归系数，表征自变量对因变量影响的程度。

（资料来源：网络：回归模型）

5、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

6、logistic分析结果中，需要报告的卡方值怎么操作、设置和观察？能具体回答吗？

你的老师不要你报告Nagelkerke R square或-2Loglikelihood值是正确的。线性模型的拟合优度指标（R square）对于Logistic回归是不适用的。在Logistic回归中，你应该主要把Hosmer and Lemeshow Test的结果作为拟合优度指标，当其Sig值（P值）大于0.05时（最好是大于0.1以上）认为模型拟合优度可以接受。
操作：在Logistic回归主界面里，点击Options键，然后勾选Hosmer-Lemeshow goodness-of-fit statistic就可以了（记得最后点击OK）。这会生成2张Hosmer and Lemeshow Test的结果表格，第一张是总体拟合度结果，第二张是每10个百分点原始数据的拟合度结果，你主要报告第一张表格的结果就可以了，第二张表格的结果我估计你的老师也未必看得懂，可以不报告。

7、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

8、amos中模型拟合度指标

参考模型修改指数，有时候就是要牺牲个别路径的显著性提高拟合指数，拟合指数还是更重要一些。当然，前提是显著性水平要达到显著水平

9、mplus做sem会有模型拟合度吗

当然会了。这是任何结构方程软件都可以提供的。MPLUS主要提供卡方，CFI，TLI，RMSEA，SRMR，AIC，BIC这些个拟合指标