我们有了一个理论模型，总想用数据来验证这个模型。收集、整理后就着手对数据进行cfa，常用的拟合指标是我们判断数据与理论模型的拟合程度的依据。常用的拟合指标：

1.卡方：卡方的大小显示了我们输入的协方差或相关矩阵与再生矩阵的差异程度，卡方越大，当然两者的差异就越大（两个模型差异大不是我们所期盼的）。卡方后面有个p值，达到显著水平，说明拟合度不好（虚无假设为理论矩阵与虚无矩阵没有差异），未达到显著水平，模型拟合度良好。

2.卡方/自由度：自由度反应了模型的复杂程度，卡方除以自由度，考虑的是模型复杂度后的卡方值，我们通常希望这个值越小越好，一般小于认为模型良好，小于5可以接受（标准各有各的说法）。

3.NNFI,值得注意的是，在此以前，我一直没有碰到过NNFI大于1的情况。今天碰到了，产生着怀疑。翻阅了邱皓政教授的《结构方程模型的原理和应用》发现，NNFI是有大于1的情况出现的。大于1的情况出现了，是否也说明模型这一指标很好呢？我还在求解。

4.CFI：0到1之间，越接近1越好。除非特别差的模型，要不然一般可以看到这一指标都会在0.90以上。这次验证的小模型首次见到等于1的情况，不知道怎么解释.

5.RMSEA：主要是比较理论模型与饱和模型的差距。越小也好，一般的要求小于0.08模型可以接受。

    还有更多的指标，其实不同的指标都在不同的侧面反映模型拟合的好坏，做决策时一定要综合多个指标去判断。最重要的，我们一定不能迷恋于数据的反映，应该注重理论基础的支撑。