Lisrel软件数据处理

Lisrel软件数据处理 用Lisrel软件对数据进行处理后，不仅可以获得结构模型图，还可以获得一些 拟合指数，这些拟合指数的好坏决定着你当初的理论模型是否可以获得支持。 这些数据包括: (绝对适配量测) (增值适配量测) (简效适配量测) Degrees of Freedom = 1168(自由度) Minimum Fit Function Chi-Square = 3066.43 (P = 0.0) (大 于0.1可接受，但对样本数非常敏感，样本过大极容易被拒绝) Normal Theory Weighted Least Squares Chi-Square = 4258.93 (P = 0.0) (大于0.1可接受，但对样本数非常敏感，样本过大极容易被拒绝) Estimated Non-centrality Parameter (NCP) = 3090.93(没 有统计检验的作为依据) 90 Percent Confidence Interval for NCP = (2895.16 ; 3294.15) Minimum Fit Function Value = 11.84 Population Discrepancy Function Value (F0) = 11.93 90 Percent Confidence Interval for F0 = (11.18 ; 12.72) Root Mean Square Error of Approximation (RMSEA) = 0.10(小于0.05非常好，小于0.08比较好，小于0.1尚可接受，大于0.1不可接受) 90 Percent Confidence Interval for RMSEA = (0.098 ; 0.10) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.00 Expected Cross-Validation Index (ECVI) = 17.27(常用 于评鉴模式复核效度的问题，即在同一个母群体下，类似的样本之间，模式复核 效度的可能性。值越小越好，并没有一个可以决定模式是否可以接受的范围值) 90 Percent Confidence Interval for ECVI = (16.51 ; 18.05) ECVI for Saturated Model = 9.85 ECVI for Independence Model = 61.96(Expected Cross-Validation Index (ECVI) 小于 ECVI for Independence Model ，且小 于 ECVI for Saturated Model ，表示假设模式可以接受) Chi-Square for Independence Model with 1225 Degrees of Freedom = 15947.65 Independence AIC = 16047.65 Model AIC = 4472.93 Saturated AIC = 2550.00(Model AIC 小于Independence AIC，也小于Saturated AIC ，模式可接受) Independence CAIC = 16275.69 Model CAIC = 4960.92 Saturated CAIC = 8364.87 Normed Fit Index (NFI) = 0.81(大于0.9时表示良好的适配) Non-Normed Fit Index (NNFI) = 0.86(大于0.9时表示良好的适配) Parsimony Normed Fit Index (PNFI) = 0.77(当比较不同的模式时，0.06至0.09的差别，被视为是模式间具有实质的差异存在。不做模式比较时，可采用大于0.5为模式通过与否的标准) Comparative Fit Index (CFI) = 0.87(大于0.9时表示良好的适配) Incremental Fit Index (IFI) = 0.87(大于0.9时表示良好的适配) Relative Fit Index (RFI) = 0.80(大于0.9时表示良好的适配) Critical N (CN) = 109.40(大于200为模式是否接受的标准) Root Mean Square Residual (RMR) = 0.084(没有一个门槛来决定在何种数值以下模式可以接受) Standardized RMR = 0.11(小于0.05时表示良好的适配) Goodness of Fit Index (GFI) = 0.60(大于0.9时表示良好的适配) Adjusted Goodness of Fit Index (AGFI) = 0.57(大于0.9时表示良好的适配，注意:当潜在变异是独立时，以0.9的门槛值来决定模式接受或拒绝时，往往对真实模式产生低拒绝的现象) Parsimony Goodness of Fit Index (PGFI) = 0.55(大于0.5为模式是否接受的标准)