你遇到的问题
你的量表已有明确的理论维度（比如 3 个因子、每个因子若干题），想验证「数据是否支持这套预设结构」，却分不清该做验证性因子分析还是探索性因子分析，也不知道审稿人要求的 χ²/df、CFI、RMSEA、SRMR 各自的合格线是多少、该报几位。结果要么漏报关键指标，要么把不达标的模型硬说成拟合良好。
适用场景
CFA 适用于你已经有明确的因子结构假设（哪些题归哪个因子事先定好），目的是检验这套预设测量模型与数据的吻合程度，而非从零探索。前提包括：连续或可近似连续的观测指标、样本量充足（一般建议 200 以上或每个估计参数 10 个样本）、以及有理论或前人研究支撑的因子划分。若你还不知道有几个因子、题目该怎么归类，应先做 EFA。
正确做法
在 Mplus、AMOS 或 R 的 lavaan 中设定预设因子结构后估计模型，报告一组而非单一拟合指数：χ²/df 建议小于 3；CFI 与 TLI 大于 .90 为可接受、大于 .95 为优良；RMSEA 小于 .08 为可接受、小于 .06 为优良；SRMR 小于 .08。同时报告各题的标准化因子载荷，理想上大于 .50 且显著。χ² 本身受样本量影响大，几乎必然显著，因此不宜单凭 χ² 就否定模型，要结合上述近似拟合指数综合判断。
报告示例：采用验证性因子分析检验三因子结构（N=386）。模型拟合良好：χ²(51)=112.4，χ²/df=2.20，CFI=.96，TLI=.95，RMSEA=.056（90%CI [.043, .069]），SRMR=.041。各观测题的标准化载荷介于 .58 至 .82 之间，均在 p<.001 水平显著，表明预设的三因子测量模型得到数据支持。
常见错误
错误一：把 EFA 和 CFA 混用——在同一批数据上先探索出因子结构、再用同一批数据做 CFA 验证，属于自我印证，应至少分半或另取样本。错误二：只报一个 χ² 或只报一个 CFI 就下结论，忽略 RMSEA、SRMR 等其他指标，或对显著的 χ² 过度紧张而无视样本量的影响，导致对模型拟合的判断片面。
需要更进一步？
如果你已经跑出 CFA，却拿不准这堆指数到底算不算达标、哪个超线了，可以把 lavaan 或 AMOS 的拟合输出整段贴进本站的统计结果解读器，它会逐项对照标准告诉你哪些合格、哪些临界。若模型拟合欠佳、需要考虑修正指数、残差相关或结构重设，这类判断较为棘手，建议预约辅导，让老师结合你的量表一起诊断。