nfi指标

Ⅰ 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

Ⅱ amos软件中NFI,TLI是什么意思

这些只是模型拟合的指标而已，对于绝大多数人来说只需要知道他们的拟合标准就可以。找一本结构方程模型的教材看看，别基本的书都不看就上软件，有问题不先看看教材就上网查，这样得到的信息会非常零散和模糊，对学习帮助不大。

Ⅲ 效度中 CFI、TLI、RMSEA 分别是什么

1、CFI

CFI——comparative fit index，比较拟合指数，该指数在对假设模型和独立模型比较时取得，其值在0－1之间，愈接近0表示拟合愈差，愈接近1表示拟合愈好。一般认为，CFI≥0.9，认为模型拟合较好。

2、TLI

TLI——Tucker-Lewis index，Tucker-Lewis指数，该指数是比较拟合指数的一种，取值在0－1之间，愈接近0表示拟合愈差，愈接近1表示拟合愈好。如果TLI﹥0.9，则认为模型拟合较好。

3、RMSEA

RMSEA——root-mean-square error of approximation，近似误差均方根，RMSEA是评价模型不拟合的指数，如果接近0表示拟合良好，相反，离0愈远表示拟合愈差。一般认为，如果RMSEA=0，表示模型完全拟合；RMSEA＜0.05，表示模型接近拟合；0.05≤RMSEA≤0.08，表示模型拟合合理；0.08＜RMSEA＜0.10，表示模型拟合一般；RMSEA≥0.10，表示模型拟合较差。

(3)nfi指标扩展阅读：

不同学者提出了许多不同的拟合指数。常用的指标一般是卡方，自由度df，RMSEA( Root Mean Square Error of Approximation, 近似误差均方根）)，GFI（goodness-of-fit index, 拟合优度指数），NNFI（non-normed fit index）和CFI(comparative fit index, 比较拟合指数)。一般认为，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），所拟合的模型是一个“好”模型。

AGFI（adjusted goodness-of-fit index），IFI也是越大越好，表明模型拟合的较好，不过现在不常用。卡方和自由度主要用于比较多个模型，卡方值越小越好，自由度反映了模型的复杂程度，模型越简单，自由度越多，反之，模型越复杂，自由度越少。总的来说，我们追求的是既简单又拟合得好的模型。

Ⅳ 在LISREL中RMSEA,GFI,AGFI,NFI,NNFI,CFI,IFI都是什么意思啊，请懂的人给予帮助啊！！

这些统计量都是结构方程中用来检验你所建立的模型与数据的拟合程度的指标，称为拟合优度指数（goodness of fit index），简称为拟合指数。不同学者提出了许多不同的拟合指数。常用的指标一般是卡方，自由度df，RMSEA( Root Mean Square Error of Approximation, 近似误差均方根）)，GFI（goodness-of-fit index, 拟合优度指数）, NNFI（non-normed fit index）和CFI(comparative fit index, 比较拟合指数)。一般认为，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），所拟合的模型是一个“好”模型。AGFI（adjusted goodness-of-fit index），IFI也是越大越好，表明模型拟合的较好，不过现在不常用。卡方和自由度主要用于比较多个模型，卡方值越小越好，自由度反映了模型的复杂程度，模型越简单，自由度越多，反之，模型越复杂，自由度越少。总的来说，我们追求的是既简单又拟合得好的模型。 如果你要更详细的了解这些拟合指数，请参考侯杰泰等人的著作《结构方程模型及其应用》。

Ⅳ NFI指数的含义

NFI：南华商品期货踪合指数

Ⅵ 在LISREL中RMSEA,GFI,AGFI,NFI,NNFI,CFI,IFI都是什么意思啊，请懂的人给予帮助啊！！

这些统计量都是结构方程中用来检验你所建立的模型与数据的拟合程度的指标，称为拟合优度指数（goodness of fit index），简称为拟合指数。不同学者提出了许多不同的拟合指数。常用的指标一般是卡方，自由度df，RMSEA( Root Mean Square Error of Approximation, 近似误差均方根）)，GFI（goodness-of-fit index, 拟合优度指数）, NNFI（non-normed fit index）和CFI(comparative fit index, 比较拟合指数)。一般认为，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），所拟合的模型是一个“好”模型。AGFI（adjusted goodness-of-fit index），IFI也是越大越好，表明模型拟合的较好，不过现在不常用。卡方和自由度主要用于比较多个模型，卡方值越小越好，自由度反映了模型的复杂程度，模型越简单，自由度越多，反之，模型越复杂，自由度越少。总的来说，我们追求的是既简单又拟合得好的模型。
如果你要更详细的了解这些拟合指数，请参考侯杰泰等人的著作《结构方程模型及其应用》。

Ⅶ cfi nfi ifi 都等于1是什么原因

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。