AMOS 模型适配度及其评价指标
AMOS 模型适配度是指结构方程模型中检验数据与假设模型的拟合或一致程度。适配度指标是评价数据与假设模型是否相互匹配的指标，而不是说明路径分析模型图的好坏。一个适配度完全符合评价标准的模型图不一定保证是个有用的模型，只能说研究者假设的模型图比较符合实际数据的情况。
在检验整体模型适配度指标时，学者 Hair 等人（1998）建议，应先检验模型参数是否有违规估计现象，可以从三个方面着手：（1）有无负的误差方差存在；（2）标准化参数系数是否≥1；（3）是否有太大的标准误存在。如果模型检验结果没有违规估计现象，则可以进行整体模型适配度的检验。
整体模型适配度的评价可以从四个方面进行：（1）绝对适配统计量，包括卡方值、卡方自由度比（X2/df）、渐进残差均方和平方根（RMSEA）、GFI 等；（2）增值适配度统计量，如 NFI、CFI 等；（3）简约适配度统计量，如 PNFI、临界样本数值 CN、省检拟合优度指标（PGFI）等；（4）残差分析指标，如标准化残差值和非标准化残差值。
在论文中，我们常用的拟合指标进行评价：（1）卡方值，该指标值越小，表示整体模型的因果路径图与实际资料拟合度越高。但是该指标容易受样本容量的影响，样本数越大，越容易达到显著，几乎拒绝所有拟合较好的模型。因此，常用的卡方自由度比作为替代性检验指数。X2/df 越小，表示模型的拟合度越好。一般而言，X2/df<3 表示模型整体拟合度较好；3<X2/df<5 表示模型整体可以接受，但需要改进；X2/df>10 表明整体模型非常差。
（2）渐进均方根误差（RMSEA），该指标受样本数量影响较小，是较好的绝对拟合指标。该指标值越小，则模型拟合度越好。一般认为，RMSEA>0.1 表示模型拟合度不佳；0.08-0.1 表示模型尚可，具有普通适配；0.05-0.08 表示模型拟合好；RMSEA<0.05 表示模型拟合度非常好。
（3）拟合指标，采用拟合良好性指标（GFI）、常规拟合指标（NFI）和比较拟合指标（CFI），调整拟合良好性指标（AGFI）。这四个拟合指数的数据值都局限于 0-1 之间，都是越接近 1 则表示模型的拟合度越好，一般认为它们的值在 0.8 以上即可认为数据与理论模型的拟合度可以接受。
模型拟合度不佳主要有两个原因，一个是错误的模型结构假设，可能是由于错误的外部界定，使一些观察变量或潜变量被遗漏，也可能是由于错误的内部界定，使模型中的路径被错误假定或被遗漏；另一个是有关模型分布的假定不满足于正态分布。当有内部界定错误出现时，可以对模型进行不断的修正以达到改进，其他错误则无法通过模型修正来改进，而需要采取相应的措施对模型进行改进。模型修正有两种方法，一个是简约修正，即对一些路径进行剔除或限制；另一个是展修正，即对一些路径限制进行放松，以提高模型拟合程度。
需要注意的是，拟合指数的作用是考察理论模型与数据的适配程度，并不能作为判断模型是否成立的唯一依据。拟合优度高的模型只能作为参考，还需要根据所研究问题的背景知识进行模型合理性讨论。即便拟合指数没有达到最优，但一个能够使用相关理论解释的模型更具有研究意义。
