模型適配度判讀（SEM／CFA）
把 AMOS、LISREL、Mplus 或 R lavaan 報表上的適配度指標填進來，逐項對照有出處的門檻： 最常用的組合是 CFI、TLI ≥ .95，RMSEA ≤ .06，SRMR ≤ .08（Hu & Bentler, 1999）。 結果免費看；存檔與匯出 Word 需要免費註冊。
填入報表上的指標，逐項判讀
從 AMOS、LISREL、Mplus 或 R lavaan 的輸出抄過來；沒有的留空。有 χ²、df、N 時會自動算 χ²／df 與 RMSEA。下面是示範數字。
| 指標 | 數值 | 判讀 | 門檻與出處 |
|---|---|---|---|
| χ²／df由 χ²、df、N 算出 | 2.50 | 良好 | ≤ 3 良好；3～5 尚可；> 5 不佳Carmines & McIver (1981) 建議 2～3；χ² 對樣本數很敏感，樣本大時幾乎都會顯著，不宜單獨作為判準 |
| RMSEA由 χ²、df、N 算出 | .071 | 尚可 | ≤ .05 良好；.05～.08 尚可；> .08 不佳（≥ .10 差）Browne & Cudeck (1993)：≤ .05 接近適配、≤ .08 合理；MacCallum, Browne & Sugawara (1996)：> .10 差；Hu & Bentler (1999) 建議 ≤ .06 |
| CFI | .930 | 尚可 | ≥ .95 良好；.90～.95 尚可；< .90 不佳Hu & Bentler (1999) 建議 ≥ .95；.90 是較早的常用慣例 |
| TLI（NNFI） | .920 | 尚可 | ≥ .95 良好；.90～.95 尚可；< .90 不佳Hu & Bentler (1999) 建議 ≥ .95 |
| SRMR | .050 | 良好 | ≤ .08 良好；.08～.10 尚可；> .10 不佳Hu & Bentler (1999) 建議 ≤ .08；< .10 是常見的寬鬆慣例 |
填入的 5 個指標都達到至少「尚可」的門檻。
各指標的門檻與出處
| 指標 | 門檻 | 出處與說明 |
|---|---|---|
| χ²／df | ≤ 3 良好；3～5 尚可；> 5 不佳 | Carmines & McIver (1981) 建議 2～3；χ² 對樣本數很敏感，樣本大時幾乎都會顯著，不宜單獨作為判準 |
| RMSEA | ≤ .05 良好；.05～.08 尚可；> .08 不佳（≥ .10 差） | Browne & Cudeck (1993)：≤ .05 接近適配、≤ .08 合理；MacCallum, Browne & Sugawara (1996)：> .10 差；Hu & Bentler (1999) 建議 ≤ .06 |
| CFI | ≥ .95 良好；.90～.95 尚可；< .90 不佳 | Hu & Bentler (1999) 建議 ≥ .95；.90 是較早的常用慣例 |
| TLI（NNFI） | ≥ .95 良好；.90～.95 尚可；< .90 不佳 | Hu & Bentler (1999) 建議 ≥ .95 |
| SRMR | ≤ .08 良好；.08～.10 尚可；> .10 不佳 | Hu & Bentler (1999) 建議 ≤ .08；< .10 是常見的寬鬆慣例 |
| NFI | ≥ .90 | Bentler & Bonett (1980)；小樣本時容易低估 |
| GFI | ≥ .90（常見慣例） | 對樣本數敏感，Hu & Bentler (1999) 等近年文獻不建議作為主要判準 |
| AGFI | ≥ .90 良好；.80～.90 尚可（常見慣例） | 同 GFI，對樣本數敏感，宜搭配其他指標 |
門檻是方法學文獻的慣例，不是絕對標準。不同領域、不同估計方法會有差異，論文中寫出你採用的門檻與出處。
論文裡怎麼報告
「驗證性因素分析結果顯示，模型適配度尚屬可接受：χ²(100) = 250.00, p < .001, χ²/df = 2.50, CFI = .93, TLI = .92, RMSEA = .071, SRMR = .050。雖 CFI 與 TLI 未達 Hu 與 Bentler（1999）建議之 .95，但高於 .90 之常用標準，且 RMSEA 與 SRMR 均在可接受範圍。」（示範句，數字即上方工具的示範數字；請換成你的結果）
常見問題
適配度指標要全部都過才行嗎？
不用，也很少全部過。一般看幾個互補的指標組合：CFI 或 TLI、RMSEA、SRMR，再加上 χ² 與自由度。Hu 與 Bentler（1999）建議用組合判斷，而不是單一指標。論文裡寫出你採用的門檻與出處即可。
卡方值（χ²）顯著是不是模型就不好？
不一定。χ² 對樣本數非常敏感，樣本數幾百以上時，即使模型差異很小也會顯著。這也是為什麼要看 χ²／df、RMSEA、CFI 等其他指標。
RMSEA 報表沒有給怎麼辦？
填入 χ²、自由度與樣本數，這個工具會用 RMSEA ＝ √[(χ² − df) ÷ (df × (N − 1))] 算出來，並標明是算出來的數值。
適配不好可以照修正指標（MI）一直改嗎？
不建議只為了過關而改。依修正指標增加殘差相關或刪題，要有理論或題意上的理由，並在論文中交代改了什麼；純粹照數字改，模型可能只是配合這批資料，換一批人就不成立。
GFI、AGFI 還要報告嗎？
很多國內論文仍會報告，但 GFI、AGFI 對樣本數敏感，近年方法學文獻不建議作為主要判準。可以列出，但判斷時以 CFI、TLI、RMSEA、SRMR 為主。
相關文章
- 量化研究中的結構方程模型運用：從理論到實踐
- 量化研究的模型適配度評估：為什麼它很重要？
- 量化研究的路徑分析技術：揭開變數間因果關係的面紗
- 結構方程模型在量化研究中的應用
- 深入理解結構方程模型：從基礎到實際在行為科學研究中的應用
參考文獻：Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis. Structural Equation Modeling, 6(1), 1–55.｜ Browne, M. W., & Cudeck, R. (1993). Alternative ways of assessing model fit. In K. A. Bollen & J. S. Long (Eds.), Testing structural equation models(pp. 136–162). Sage.｜ MacCallum, R. C., Browne, M. W., & Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological Methods, 1(2), 130–149.｜ Bentler, P. M., & Bonett, D. G. (1980). Significance tests and goodness of fit in the analysis of covariance structures. Psychological Bulletin, 88(3), 588–606.｜ Carmines, E. G., & McIver, J. P. (1981). Analyzing models with unobserved variables. In G. W. Bohrnstedt & E. F. Borgatta (Eds.), Social measurement: Current issues (pp. 65–115). Sage.