结构方程的拟合指数

表7-3给出了模型对于数据的LISREL拟合优度结果（Goodness of Fit Statistics）。模型对数据的拟合优度指标中，X2/df的值为4.05。一般认为X2/df的值在2.0至5.0之间时，为可以接受模型，本研究中的这一指标满足要求。另外，在选定的拟合优度指标中，RMSEA、NFI、CFI、PNFI和PGFI均满足一般认定的拟合优度要求。

表7-3　锻炼坚持机制结构模型的拟合指数

近似误差均方根（RMSEA）是由Steiger（1990）构建的一个拟合优度指标，反映的是理论模型与完美拟合的饱和模型（saturated model）的差距程度，数字越小表示理论模型越理想。他认为RMSEA小于0.10的水平意味着对数据可接受的拟合，小于0.1的水平是对数据较好的拟合，小于0.05的水平是对数据非常好的拟合，小于0.01表示非常出色的拟合。Steiger（1990）指出小于0.01的水平是比较难于达到的，在实际应用上几乎碰不到。［239］本次研究中模型的RMSEA为0.055，非常接近表示非常好的拟合的0.05水平，反映了模型对数据较好的拟合。(https://www.daowen.com)

NFI和CFI是相对拟合度，主要反映了理论模型（要验证的模型）和虚无模型（变量被完全约束的模型，即变量之间不存在路径连接）之间的相对差异，理论模型与虚无模型差异越大越好。NFI是Bentler & Bonett（1980）构建的指标，比较了理论模型和虚无模型的卡方差异。本次检验的模型的NFI为0.95，说明理论模型比虚无模型对数据的拟合度好95%，高于Bentler & Bonett建议的0.90的水平。［240］CFI是Bentler（1990）构建的拟合优度指标，比较了理论模型和虚无模型的非中央性差异。本模型的CFI为0.96，高于Bentler建议的0.90的水平。［241］NFI和CFI两项指标反映锻炼坚持机制解释结构模型对数据非常好的拟合，表示理论模型相对于虚无模型有非常大的改进。

GFI和AGFI反映了模型的绝对合适度，它们之间的差异越大，说明模型中可能包括了越多的不显著路径，这次实证分析的GFI和AGFI相差0.01，表明模型中包含的不显著路径比例很小。这两个指标没有达到一般认定的0.90标准，但是它们仍然应被认为是可以接受的，Bentler & Chou（1987）指出：对于包含较多变量的模型来说，完全达到一般认定的拟合优度标准是比较困难的。［242］本次验证的模型包括了16个潜变量，56个显变量，所以有部分的拟合优度指标不能达到0.90的标准是可以接受的。

PNFI和PGFI为节约拟合度，是James构建的拟合优度指标［243］，主要反映了模型合适度和自由度之间的权衡关系，是NFI和GFI派生出的指数，目的是惩罚复杂模型（自由度少的模型）。模型的PNFI和PGFI远高于0.50的水平，PNFI与NFI相比只下降了0.07，PGFI与GFI相比只下降了0.08，简约指数只略低于对应的拟合指数，表明模型符合简约原则。