SEM 模型拟合指数达到多少才算好？

常用标准为 CFI 与 TLI ≥ .95、RMSEA ≤ .06、SRMR ≤ .08（Hu & Bentler, 1999）；应综合多个指数判断，而非只看单一指标。

为什么 SEM 的卡方检验总是显著？

卡方检验对样本量敏感，大样本下即使微小的模型-数据偏差也会导致 χ² 显著，因此实践中更依赖 CFI、RMSEA、SRMR 等对样本量较不敏感的近似拟合指数。

SEM 和路径分析、CFA 有什么关系？

SEM 可看作测量模型（CFA）与结构模型（变量间路径关系）的结合；路径分析是仅含观测变量的 SEM 特例，CFA 是仅含测量部分的 SEM。

SEM 需要多大样本量？

常见经验法则为至少 200，或每个自由估计参数 10-20 个样本；模型越复杂、指标信度越低，所需样本量越大。

因子分析

结构方程模型 SEM 拟合指标怎么看、怎么写

作者 / 审校：shujufenxi 编辑部·最后审校 2026-05-09

你遇到的问题

你要检验一套包含多个潜变量、还带中介或调节的理论模型，跑出来一大堆输出：拟合指数、路径系数、间接效应……却理不清该先看什么、哪些要写进论文，也搞不清 SEM 的拟合指数和 CFA 是不是一回事，中介效应到底该报 Sobel 还是 bootstrap。

适用场景

SEM 适用于变量间存在多条因果路径、含有潜变量（用多个观测指标测量）、或需要同时估计测量与结构关系的理论模型，尤其是含中介、调节的复杂假设。前提是有明确的理论模型设定、观测指标信效度可接受，以及足够大的样本——一般建议 200 以上，模型越复杂、参数越多，所需样本量越大（常按每个自由估计参数 5–10 个样本估算）。

正确做法

SEM 通常分两步：先看测量模型（本质是 CFA，确认潜变量被观测指标良好测量），再看结构模型（潜变量之间的路径）。整体拟合用与 CFA 同一套指数：χ²/df<3、CFI/TLI>.90（优>.95）、RMSEA<.08（优<.06）、SRMR<.08。结构部分报告每条路径的标准化系数 β 及其显著性 p；对中介效应，报告间接效应的点估计及其 bootstrap 95% 置信区间（如 5000 次抽样），区间不含 0 即视为间接效应显著，这比 Sobel 检验更稳健，因为它不假设间接效应服从正态分布。

报告示例：结构方程模型整体拟合良好（N=452）：χ²/df=2.34，CFI=.95，TLI=.94，RMSEA=.054（90%CI [.045, .063]），SRMR=.048。工作压力显著正向预测情绪耗竭（β=.42，p<.001），情绪耗竭显著正向预测离职意向（β=.38，p<.001）。基于 5000 次 bootstrap，工作压力经情绪耗竭对离职意向的间接效应为 .16，95%CI [.10, .23]，区间不含 0，中介效应成立。

常见错误

错误一：跳过测量模型直接看结构路径，在潜变量测量本身就不合格的情况下解读路径系数，结论根基不稳。错误二：中介检验仍只报 Sobel 检验或用「先看 X→M 显著、再看 M→Y 显著」的逐步法下结论，而不报 bootstrap 的间接效应置信区间，既不稳健也不符合当前主流规范。

需要更进一步？

如果你已经跑出 SEM，却分不清哪些数字是测量模型、哪些是结构路径，或者中介的 bootstrap 区间该怎么念，可以把 Mplus 或 lavaan 的完整输出贴进本站的统计结果解读器，它会帮你拆分两层结果并逐条翻译。若涉及模型不收敛、竞争模型比较、有调节的中介（moderated mediation）这类更硬的情形，建议预约辅导，让老师陪你把模型设定和报告一起理顺。

操作步骤

SPSS

打开 AMOS Graphics，绘制潜变量（椭圆）与观测变量（矩形），单向箭头设因果路径、双向箭头设协方差。
通过 File→Data Files 关联 SPSS 数据文件（.sav）。
为每个内生变量与潜变量添加误差/残差项，并将每个潜变量的一条载荷固定为 1 以标识量纲。
在 Analysis Properties → Output 勾选标准化估计；如需间接效应区间，在 Bootstrap 勾选 5000 次与偏差校正区间。
点击 Calculate estimates，读取拟合指数（CMIN/DF、CFI、TLI、RMSEA、SRMR）与标准化路径系数。

library(lavaan)
# 中介模型 X→M→Y，用 := 定义间接效应与总效应
model <- 'M ~ a*X ; Y ~ b*M + cp*X ; indirect := a*b ; total := cp + a*b'
fit <- sem(model, data = dat, se = 'bootstrap', bootstrap = 5000)
summary(fit, fit.measures = TRUE, standardized = TRUE)
parameterEstimates(fit, boot.ci.type = 'perc')  # 间接效应 Bootstrap 95% CI

完整示例（模拟数据）

考察工作压力（X）通过情绪耗竭（M）影响离职意向（Y）的中介模型，N＝320（模拟数据样例）。

结构方程模型对中介路径进行检验（N＝320，模拟数据样例）。模型拟合良好：χ²(24)＝51.6，χ²/df＝2.15，CFI＝0.972，TLI＝0.965，RMSEA＝0.048（90% CI [0.032, 0.063]），SRMR＝0.041。标准化路径显示，工作压力正向预测情绪耗竭（β＝0.42，p＜0.001），情绪耗竭正向预测离职意向（β＝0.38，p＜0.001），控制中介后直接效应仍显著（β＝0.15，p＝0.006）。基于 5000 次 Bootstrap 的间接效应为 0.16，95% CI [0.09, 0.24]，不含 0，情绪耗竭起部分中介作用。

统计量	数值
χ²/df	2.15（χ²＝51.6，df＝24）
CFI / TLI	0.972 / 0.965
RMSEA（90% CI）	0.048 [0.032, 0.063]
SRMR	0.041
间接效应（Bootstrap 95% CI）	0.16 [0.09, 0.24]

常见疑问

SEM 模型拟合指数达到多少才算好？: 常用标准为 CFI 与 TLI ≥ .95、RMSEA ≤ .06、SRMR ≤ .08（Hu & Bentler, 1999）；应综合多个指数判断，而非只看单一指标。
为什么 SEM 的卡方检验总是显著？: 卡方检验对样本量敏感，大样本下即使微小的模型-数据偏差也会导致 χ² 显著，因此实践中更依赖 CFI、RMSEA、SRMR 等对样本量较不敏感的近似拟合指数。
SEM 和路径分析、CFA 有什么关系？: SEM 可看作测量模型（CFA）与结构模型（变量间路径关系）的结合；路径分析是仅含观测变量的 SEM 特例，CFA 是仅含测量部分的 SEM。
SEM 需要多大样本量？: 常见经验法则为至少 200，或每个自由估计参数 10-20 个样本；模型越复杂、指标信度越低，所需样本量越大。

参考来源

· Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford Press.
· Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes. Structural Equation Modeling, 6(1), 1-55.
· Byrne, B. M. (2016). Structural Equation Modeling with AMOS (3rd ed.). Routledge.

用统计结果解读器生成结果段落预约辅导

工具输出请自行核对后使用。内容参考见方法论标准。

← 返回知识库