教甄◆教育專業科目-國小題庫下載題庫

卡方檢定（Chi square test）

卡方值是SEM最原始的指標，因為它直接從ML估計法的函數【（N-1）F_ML】計算而得。卡方值是愈小愈好，但也沒有一定的標準，因為卡方值不但會受到樣本數的影響，也會受到模型複雜度的影響，幾乎所有的模式都可能被拒絕（Bnetler & Bonett, 1980; Marsh & Hocevar, 1985; Marsh, Balla, & McDonald., 1988），算不上是實用的指標，因此顯少採用，但它是許多配適度指標的計算基礎，所以在SEM分析中需要呈現。

配適度指標（goodness of fit index, GFI）

GFI值越接近1，表示模式配適度越高；反之，則表示模式配適度越低。通常學者建議GFI值大於0.9時表示模式有良好的適配（Bentler, 1983; Hu & Bentler, 1999...

卡方檢定（Chi square test）

卡方值是SEM最原始的指標，因為它直接從ML估計法的函數【（N-1）F_ML】計算而得。卡方值是愈小愈好，但也沒有一定的標準，因為卡方值不但會受到樣本數的影響，也會受到模型複雜度的影響，幾乎所有的模式都可能被拒絕（Bnetler & Bonett, 1980; Marsh & Hocevar, 1985; Marsh, Balla, & McDonald., 1988），算不上是實用的指標，因此顯少採用，但它是許多配適度指標的計算基礎，所以在SEM分析中需要呈現。

配適度指標（goodness of fit index, GFI）

GFI值越接近1，表示模式配適度越高；反之，則表示模式配適度越低。通常學者建議GFI值大於0.9時表示模式有良好的適配（Bentler, 1983; Hu & Bentler, 1999; 黃芳銘，2007）。樣本數越大時，GFI也會愈大，但此時若剩下的自由度也大時，GFI則會產生向下偏誤（低估），除非估計的參數非常多，在此一情形下建議採用AGFI（不過Bollen（1990）提出，樣本數小的時候AGFI會低估），Doll, Xia, and Torkzadeh（1994）認為，當模型所估計的參數變多時，要達到0.9的標準就會有困難，建議可酌量放寬到0.8之標準。