%0 Journal Article
%T Performance of Fit Indices in Different Conditions and the Selection of Cut - off Values<br>不同条件下拟合指数的表现及临界值的选择
%A GUO Qing-Ke
%A LI Fang
%A CHEN Xue-Xia
%A WANG Wei-Li
%A MENG Qing-Mao
%A <br>郭庆科
%A 李芳
%A 陈雪霞
%A 王炜丽
%A 孟庆茂
%J 心理学报
%D 2008
%I 
%X 在本模拟研究中设计了6种样本容量,6种因子载荷,和4种评分等级,并考察了正态和非正态分布两种情况.采用的错误模型为参数误置(真模型中每个因子各由5个题目来测量,错误模型中则是第一个因子由6个题测量,另两个因子各由4个和5个题来测量,即有一个因子载荷被误置)模型.结果发现(1)样本量、载荷量、评分等级数和分布形态都对GOF的取值确有影响.其中分布形态的影响最大.NNFI、IFI在不同条件下的平均值是最稳定的,其次是CFI、RMSEA和SRMR.它们都算是值得推荐的GOF,尤其是NNFI和IFI.(2)在正态分布中,当样本量≥1000时,根据NNFI、IFI、CFI、RMSEA、SRMR对模型是否拟合做出判断时有很低的两类错误率,在样本量＜1000时则不理想.在偏态条件下无论选择哪个GOF两类错误率都很高.(3)采用2指数策略在很多情况下也不能显著降低两类错误率.(4)由于在数据分布非正态,或正态但样本量＜1000时是难判断模型是否拟合的.因此我们提出了2界值策略.即为每个GOF确定上下两个界值.低于下界值时可判断模型是不正确的,而高于上界值时则可判断模型是正确的.GOF取值处于上下界值之间时难以判断模型是否拟合,只能说越高拟合的可能性越大.这时就要通过跨样本验证和增加样本量来确定模型是否正确.
%K Structural Equation Modeling
%K model - data fit
%K 2 - indite strategy
%K 2 - cutoff- value strategy<br>结构方程模型
%K 模型拟合
%K 2指数策略
%K 2界值策略.
%K 条件
%K 拟合指数
%K 表现
%K 临界值
%K 的选择
%K Values
%K Selection
%K Conditions
%K Different
%K Indices
%K 验证
%K 样本量
%K 上下界值
%K 上界值
%K 判断模型
%K 非正态
%K 数据分布
%K 策略
%K 偏态
%K 错误率
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=C94E3F05CFD5644C9DAA97BEB9148D4784B6B22E64D84F4E&jid=1EE72F392B87F45015B3CA6D9A7AFA6F&aid=65FE28116FB1A3E27BAF81F6733F3989&yid=67289AFF6305E306&vid=1371F55DA51B6E64&iid=CA4FD0336C81A37A&sid=91C9056D8E8856E0&eid=7F5DDA4924737DF5&journal_id=0439-755X&journal_name=心理学报&referenced_num=1&reference_num=18