Performance of Fit Indices in Different Conditions and the Selection of Cut - off Values
不同条件下拟合指数的表现及临界值的选择

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.