R语言（七）-结构方程模型评价
R语言（七）--结构方程模型评价方法
一、模型评价
任务：评价假设的模型对数据的拟合程度
解释：一个拟合优度高的模型并不代表该模型是正确的模型，也不表示该模型有很高的实用性，只能说假设模型比较符合实际数据。
如果无法对估计和检验的结果进行解释，则有时可以根据相关理论来构建假设模型，之后再根据拟合优度指标来评价模型，不应根据拟合优度指标来调整模型。
二、基本拟合优度检验
参数检验（模型与实际数据的拟合程度）
模型外在质量评估
模型拟合优度检验
模型内在质量评估
模型内在结构拟合优度检验
显著性检验（Z value 和 P值）
合理性检验（Estimate）
参数符号是否合理
出现负的误差方差
参数的取值范围是否合理
潜变量间相关系数的绝对值大于1或接近1
因子载荷偏低（小于0.5）
出现过大或过小的标准误差
参数是否可以得到合理的解释
模型最受关注的三个焦点：
测量模型的因子载荷
因子的方差或协方差
结构方程的路径系数
三、PLS-SEM的评价方法
Bootstrap方法（对数据可放回的重复抽样）
函数narm用于忽略NA数据值，naomit用于剔除缺失值
odd.ration用于计算比率
library(boot)
boot（data=a,statistic=OR,R=1000）
# quantile()函数可以得到95%的置信区间
quantile(a_boot$t,c(0.025,0.975))
四、结构方程模型适配性评价指标及标准
Default model（预设模型），Saturated model（饱和模型），Independence model（独立模型）。
在模型适配度统计量识别方面需要以Default model（预设模型）为主。HOELTER为临界样本数CN适配统计量。
1. x2值：显著性概率值p>0.05（未达显著水平），x2使用样本数为100至200；.
2. GFI值：>0.90；
3. AGFI值：>0.90；
4. RMR值：<0.05；
5. RMSEA值：<0.05（适配良好），<0.08适配合理；
6. NCP值：越小越好，最好是0；
7. NFI值：>0.90；
8. RFI值：>0.90；
9. IFI值：>0.90；
10. TLI值：>0.90；
11. PGFI值：>0.50；
12. PNFI值：>0.50；
13. CN值：>200；
14. NC值（x2自由度比值）：1<nc<3，表示模型有简约适配度；< p="">
NC>5，表示模型需要修正。
15. 标准化后的estimate相当于标准化回归系数β
16. C.R.为检验统计量（临界比），临界比值为t检验的t值，比值如果大于1.96表示达到0.05显著水平。
17. P值为显著性，***：<0.001；若>0.001，会直接显示p值的大小。
bootstrap检验方法18. S.E.，standard error,标准误。标准误不是标准差，而是多个样本平均数的标准差。标准误越小，表明样本统计量与总体参数的值越接近，样本对总体越有代表性，用样本统计量推断总体参数的可靠度越大。因此，标准误是统计推断可靠性的指标。
</nc<3，表示模型有简约适配度；<>