1、模型修正,近似误差的平方根（RMSEA）近似误差的平方根（root mean square error of approximation）。习惯上，RMSEA取值小于0.05，表明相对于自由度模型拟合了数据；另外，建议在90%的置信度下，如果RMSEA取值小于0.08，则可认为近似误差是合理的，或者说在置信水平0.01下不能拒绝这一假设。RMSEA评价指标近年来越来越受到重视。,数据与观测变量,这是以预测变量的标准差及相关系数读入，Amos会自动将之转换为协方差矩阵，以便进一步分析。所建立的模型A如图所示，执行之后，所产生的输出报表如下。,模型A,模型A输出报表,Chi Square=71.5
2、44，P=0.000，应拒绝此模型，同时。RMSEA=0.110.05。换句话说，此模型不能配合数据。因此我们必须加以修正。我们修正的目标是，Chi Square减少，p值增加。在Amos中，点选View、Analysis Properties,在对话框中点选Output，并勾选修正指标。,执行后，产生的修正指标如下,Par Change是指当模型改变时，对应变量间关系的变化情况。,从上表中，可看到M.I.值，其中以40.91为最大。这是指：如果建立eps1与eps3的关联，将使Chi Square减少40.91。如前述，使减少增加，是我们修正模型的主要目标。,M.I.的含义,基于以上的了解，我们可以再建立一个模型，称为模型B,模型B的输出报表如下,我们可以看出，Chi Square=6.383，比原先的模型A减少了65.16。Probability level=0.271已经不在拒绝区域之内。同时，RMSEA=0.020.05。,在e4与e11建立关系后，所输出的报表如下。RMSEA仍然维持在0.11.表示无进步空间。而RMSEA=0.110.05，显然模型与数据不配合。此时，此模型要重新修订。比较严谨的做法是从问卷设计开始重新检查讨论。,
