1樓：SPSSAU
結構方程模型SEM是一種多元資料分析方法，其包括測量模型和結構模型，類似如下圖：
上圖中紅框即為測量模型，Factor1是A1~A4共4項表示；類似還有Factor2，Factor3和Factor4。而結構模型是指影響關係情況，比如模型中Factor1和Factor2影響Factor3；Factor3影響Factor4。
如果說只研究測量模型，那麼通常是指驗證性因子分析CFA；如果說只研究結構模型，則稱作路徑分析path analysis。驗證性因子分析和路徑分析均是結構方程模型的特殊形式。
結構方程模型由測量模型和結構模型構成，如果進行結構方程模型構建時想達到良好的模型效果。那麼就需要保證測量模型和結構模型均有著良好的擬合性，否則最終結構方程模型擬合效果都不會太好。
同時，結構方程模型有著非常多的擬合指標，比如卡方自由度比，RMSEA,CFA,RMR等幾十種，但在實際研究中會發現基本上很難所有指標均達標，而且很多指標都不達標。那怎麼辦呢？接下來針對結構方程模型的擬合指標、擬合效果不好時的3種解決辦法等分別進行說明，期許得到最佳模型。
結構方程模型擬合時，會有非常多的指標。SPSSAU預設提供常用的15類指標，說明如下：
在已有文獻中，還會出現各類擬合指標，但基本上都是上述擬合指標的一種變型而已。一般來說，模型擬合效果越好，各類指標越容易達標，但即使模型已經擬合非常好，也不能保證所有的引數均在標準範圍內。
為什麼會出現這種情況呢，比如卡方自由度值使用較多，但是該指標容易受到樣本量的影響，樣本量越大時，該指標越可能更小，有的指標在標準範圍內，那麼對應有的指標就可能不在標準範圍內，沒有乙個指標可以完全性地確定模型的好或壞。也就是說不同的擬合指標並不能完全的測量模型的擬合效果，而應該綜合著分析模型效果水平。
模型擬合指標
SPSSAU提供了各類常用的擬合指標共計15個，但現在研究中，使用最為常見的指標RMSEA, CFI, NNFI, AGFI，RMR，TLI，卡方自由度比等。如果研究時發現最常用的幾個指標在標準範圍內（或者多數指標基本均接近或明顯在標準範圍內），而有其它一些指標並不在標準範圍內，相信模型擬合也是較好的，因此不用完全考慮所有的擬合指標均達標，幾乎也不可能所有的指標均達標。
特別說明一點即：卡方自由度比值是卡方值除以自由度值，卡方值容易受到樣本量的影響，樣本越大時該值越可能更小，所以小樣本時卡方自由度比值容易偏大。另外，如果是飽和模型則自由度為0，此時模型無法得到卡方自由度值，這是正常現象，如果自由度值為0，SPSSAU缺省會以「-」標識出卡方自由度值。
除此之外，很多時候還會出現擬合指標數值為1.000的現象，這也是正常現象。
如果說模型擬合出現大面積的不達標，而且明顯偏離標準範圍內，那麼這種模型需要進行調整才行。接下來從3個方面進行說明，第1點是梳理建模流程，用於解決掉測量模型不好的問題；第2點是調整模型，可用於降低卡方自由度值，並同時對其它擬合指標有一定幫助；第3點是換用模型，如果說無論如何模型均不達標，那麼此時可換用模型，比如改為路徑分析Path analysis，線性回歸等。
如果出現模型擬合大面積不達標時，首先應該從模型本身找原因。結構方程模型包括測量模型和結構模型，而我們正常情況下只會關注於結構模型即影響關係等，而完全忽略掉還有測量模型。如果說測量模型不好，那擬合指標肯定不會好。
但是測量模型是我們容易忽視的地方。因而第一點是檢視測量模型是否有問題。
特別提示在於，通常不是直接開始就進行結構方程模型，而是在之前做很多的準備工作，即包括探索性因子和驗證性因子分析等。
還有一種情況即，乙個變數僅由一項表示，此種情況相當於直接沒有測量模型，建議此種情況可考慮進行路徑分析，即結構方程模型的特殊形式（不帶測量關係）的模型。
如果說經過上述的處理後，依舊無法讓模型達標。說明模型確實擬合效果不好，也或者基於當前樣本下時模型擬合不佳。那麼建議換用模型方法，包括使用路徑分析和線性回歸模型。
使用路徑分析（SPSSAU->問卷研究）模型
路徑分析是結構方程模型的特殊形式，它完全不涉及測量模型，因此模型變得非常簡潔，而且完全不考慮測量模型。因此在實際研究中，它很容易比結構方程模型擬合的更好。
使用線性回歸模型
如果路徑分析顯示擬合效果依舊不好，說明當前設定的模型很可能有問題，也或者樣本量太少（比如小於100），這種情況時，最好使用穩健性更好且最為經典的線性回歸模型，SPSSAU通用方法裡面直接使用即可。如果說研究的因變數Y有很多個，此時重複進行多次線性回歸模型即可。
SPSSAU | 資料科學分析平台
2樓：劉一刀
從數學的角度看，對於問卷資料，信度、效度以及這些結構方程的檢驗值只和每個問題的得分排序有關，所以每個問題的排序複雜度決定了最後的每個檢驗的值。
說白了，結構方程的引數檢驗結果好，意思就是說大家的認知偏差是很低的，大部分認為A是對的也認為B是對的，所以分析結果大概率是可信的。
3樓：
你這個指標好差勁。。我的除了rmr超出0.5之外，其他的都完美。至於rmr指標，我果斷用srmr來替代了。目測資料或者模型的鍋。
過擬合的模型能不能使用？
人形Machine 過擬合的定義不應該是 隨著模型複雜度上公升，樣本內驗證分數不斷攀高，樣本外驗證分數開始下降，模型複雜度超過了實際需要 嗎。什麼鬼 螞蟻不線上 在我的理解中,評估模型最有意義的是模型在真實資料集的效果,需要資料集劃分來模擬真實資料集.我習慣是,按照時間劃分為訓練集 驗證集 測試集....
在時間序列分析中，用ARMA模型擬合後對殘差的平方做白雜訊檢驗的目的是什麼？
The motivation is that we want to investigate the presence of ARCH effects and if there any,try to model the varying conditional variance.Stationary A...
貪心學院 關於模型過擬合現象，有哪些解決思路， 至少列出3項 （可以針對不同的模型來講述）？
Rock 假設這是一道面試題，而前面的同學答了很多，比自己知道的要多，那該如何回答？過擬合，如果從模型下手的確有很多辦法優化。但我個人的經驗 心裡是模型優化我不熟哦 讓我相信一點 資料質量對結果的貢獻率是80 那麼為什麼不把精力先放在資料上呢？然後調取吳恩達教程裡有關資料優化的辦法扔出去。這些做完後...