实际应用中不能只看CFI一个指标。有个案例是某电商用户满意度模型，CFI值0.89看着差点，但SRMR只有0.04，RMSEA是0.06，综合这三个指标专家还是判定模型可用。反过来有个教育心理学模型CFI高达0.96，可RMSEA超过0.1，最后发现是模型设定有问题。样本量特别大的时候CFI容易虚高。比如用十万条用户数据做市场细分模型...
在使用CFI来评估模型拟合度时，需要考虑三个因素。首先，模型应该具备合理的基础理论支撑，而不是只是凭空假设一个模型。其次，模型需要包含充分的变量，以便能够很好地解释原始数据的变化情况。最后，CFI的值还需要与其他拟合指标进行比较，例如RMSEA和SRMR等指标，以便能够建立一个更全面的评估体系。当CFI的值在0.90...
srmr=0，cfi=1，tli=1问题是什么您的模型刚刚被识别（df=0），这就是您得到p值= NA、RMSEA=0等...
可以 df、χ2/df、NFI、IFI、TLI、CFI、RMSEA、SRMR、PNFI、PCFI等值均在可以接受的范围
RMSEA0.000 90PercentConfidenceInterval0.000 0.054 P-valueRMSEA<= 0.05 0.941 StandardizedRootMeanSquareResidual: SRMR0.052 ParameterEstimates: InformationObserved StandardErrorsStandard Regressions: EstimateStd.Errz-valueP(>|z|)Std.lvStd.all SelfEsteem~ ...
除了CFI和TLI，还有一些其他的拟合指标可以用来评估SEM模型的拟合度，例如均方根误差逼近指数（Root Mean Square Error of Approximation, RMSEA）和规范拟合指数（Standardized Root Mean Square Residual, SRMR）。这些指标各有其特点，可以综合使用来评估模型的拟合度。
Probability RMSEA <= .05 0.000 CFI/TLI CFI 1.000 TLI 1.000 Chi-Square Test of Model Fit for the Baseline Model Value 25.458 Degrees of Freedom 9 P-Value 0.0025 SRMR (Standardized Root Mean Square Residual) Value 0.000 Stefano Cacciamani posted on Thursday, December 14, 2017 -...
= 0.5005 RMSEA = 0.057 CFI = 0.841 TLI = 0.794 41 Goodness of fit statistics: estat gof (ADF) Fit statistic Discrepancy chi2_ms(51) p > chi2 chi2_bs(66) p > chi2 Population error RMSEA 90% CI, lower bound upper bound pclose Baseline comparison CFI TLI Size of residuals SRMR CD ...
可以df、χ2/df、NFI、IFI、TLI、CFI、RMSEA、SRMR、PNFI、PCFI等值均在可以接受的范围