fengbaoid的博客

　　在实际应用中,模型检验和模型选择除了检视 上述指数外,应当综合考虑问题的背景、参数估计值 的意义、模型的可解释性、各备选模型的表现和省俭 原则等。研究者的专业知识、智慧和使用结构方程 的经验相结合,有望对拟合的模型做出合适的评价 或从众多的备选模型中选出最好的模型。

结构方程讲解 amos 　上面分析表明,Hu - Bentler 推荐的指数准则存 在明显瑕疵,不宜推广(但本文主要是指出他们的新 指数准则的不足之处,没有讨论为什么会出现这些 问题,有兴趣的读者可参阅[31 ]) ,用他们的模型模 拟分析,结果表明我们提出的卡方准则和Mc 准则 优于他们的其他6 个准则,至少在正态情形如此。 因此,就本研究结果而言,卡方准则可以列入优秀指 数准则之一。更明确一些,卡方准则的显著性水平 是: N ≤150 时α= 0. 01 , N = 200 时α= 0. 001 , N = 250 时α= 0. 0005 , N ≥500 时α= 0. 0001。但对于 N ≥1000 的大样本,α= 0. 0001 还是不够小,即卡方 值往往很大而导致拟合得很不错的模型都被拒绝。 因此我们建议在N < 1000 时才使用卡方准则。