nfi指標

Ⅰ 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

Ⅱ amos軟體中NFI,TLI是什麼意思

這些只是模型擬合的指標而已，對於絕大多數人來說只需要知道他們的擬合標准就可以。找一本結構方程模型的教材看看，別基本的書都不看就上軟體，有問題不先看看教材就上網查，這樣得到的信息會非常零散和模糊，對學習幫助不大。

Ⅲ 效度中 CFI、TLI、RMSEA 分別是什麼

1、CFI

CFI——comparative fit index，比較擬合指數，該指數在對假設模型和獨立模型比較時取得，其值在0－1之間，愈接近0表示擬合愈差，愈接近1表示擬合愈好。一般認為，CFI≥0.9，認為模型擬合較好。

2、TLI

TLI——Tucker-Lewis index，Tucker-Lewis指數，該指數是比較擬合指數的一種，取值在0－1之間，愈接近0表示擬合愈差，愈接近1表示擬合愈好。如果TLI﹥0.9，則認為模型擬合較好。

3、RMSEA

RMSEA——root-mean-square error of approximation，近似誤差均方根，RMSEA是評價模型不擬合的指數，如果接近0表示擬合良好，相反，離0愈遠表示擬合愈差。一般認為，如果RMSEA=0，表示模型完全擬合；RMSEA＜0.05，表示模型接近擬合；0.05≤RMSEA≤0.08，表示模型擬合合理；0.08＜RMSEA＜0.10，表示模型擬合一般；RMSEA≥0.10，表示模型擬合較差。

(3)nfi指標擴展閱讀：

不同學者提出了許多不同的擬合指數。常用的指標一般是卡方，自由度df，RMSEA( Root Mean Square Error of Approximation, 近似誤差均方根）)，GFI（goodness-of-fit index, 擬合優度指數），NNFI（non-normed fit index）和CFI(comparative fit index, 比較擬合指數)。一般認為，如果RMSEA在0.08以下（越小越好），GFI、NNFI和CFI在0.9以上（越大越好），所擬合的模型是一個「好」模型。

AGFI（adjusted goodness-of-fit index），IFI也是越大越好，表明模型擬合的較好，不過現在不常用。卡方和自由度主要用於比較多個模型，卡方值越小越好，自由度反映了模型的復雜程度，模型越簡單，自由度越多，反之，模型越復雜，自由度越少。總的來說，我們追求的是既簡單又擬合得好的模型。

Ⅳ 在LISREL中RMSEA,GFI,AGFI,NFI,NNFI,CFI,IFI都是什麼意思啊，請懂的人給予幫助啊！！

這些統計量都是結構方程中用來檢驗你所建立的模型與數據的擬合程度的指標，稱為擬合優度指數（goodness of fit index），簡稱為擬合指數。不同學者提出了許多不同的擬合指數。常用的指標一般是卡方，自由度df，RMSEA( Root Mean Square Error of Approximation, 近似誤差均方根）)，GFI（goodness-of-fit index, 擬合優度指數）, NNFI（non-normed fit index）和CFI(comparative fit index, 比較擬合指數)。一般認為，如果RMSEA在0.08以下（越小越好），GFI、NNFI和CFI在0.9以上（越大越好），所擬合的模型是一個「好」模型。AGFI（adjusted goodness-of-fit index），IFI也是越大越好，表明模型擬合的較好，不過現在不常用。卡方和自由度主要用於比較多個模型，卡方值越小越好，自由度反映了模型的復雜程度，模型越簡單，自由度越多，反之，模型越復雜，自由度越少。總的來說，我們追求的是既簡單又擬合得好的模型。 如果你要更詳細的了解這些擬合指數，請參考侯傑泰等人的著作《結構方程模型及其應用》。

Ⅳ NFI指數的含義

NFI：南華商品期貨蹤合指數

Ⅵ 在LISREL中RMSEA,GFI,AGFI,NFI,NNFI,CFI,IFI都是什麼意思啊，請懂的人給予幫助啊！！

這些統計量都是結構方程中用來檢驗你所建立的模型與數據的擬合程度的指標，稱為擬合優度指數（goodness of fit index），簡稱為擬合指數。不同學者提出了許多不同的擬合指數。常用的指標一般是卡方，自由度df，RMSEA( Root Mean Square Error of Approximation, 近似誤差均方根）)，GFI（goodness-of-fit index, 擬合優度指數）, NNFI（non-normed fit index）和CFI(comparative fit index, 比較擬合指數)。一般認為，如果RMSEA在0.08以下（越小越好），GFI、NNFI和CFI在0.9以上（越大越好），所擬合的模型是一個「好」模型。AGFI（adjusted goodness-of-fit index），IFI也是越大越好，表明模型擬合的較好，不過現在不常用。卡方和自由度主要用於比較多個模型，卡方值越小越好，自由度反映了模型的復雜程度，模型越簡單，自由度越多，反之，模型越復雜，自由度越少。總的來說，我們追求的是既簡單又擬合得好的模型。
如果你要更詳細的了解這些擬合指數，請參考侯傑泰等人的著作《結構方程模型及其應用》。

Ⅶ cfi nfi ifi 都等於1是什麼原因

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。