1.模型识别法则

Bollen（1989）利用资料测量数（the numbers of data points，DP）与参数估计数的比较来判断模型的识别性，提出了衡量识别性的必要但非充分的识别条件计算法则，即t 法则（t-Rule），t 值代表模型中的自由估计参数数目。SEM 模型若能够被识别，必须符合7-5 所示关系式：

t 法则的判断原则是：当t < DP 时为过度识别，如同我们有过多的方程式，但是只需要求取少数几个因子解；当t = DP 时为充分识别，如同我们用两个方程式来求二元因子的解；当t > DP 时为识别不足，如同我们用太少的方程式求取过多的因子解。在SEM 分析中，识别不足的情况将导致无法进行任何参数估计。

2.模型拟合度检验与模型确定

预设模型的有关指标如表7-9 所示。(www.daowen.com)

表7-9 预设模型的部分拟合指标

经过正态性检验和异常值分析，模型中的变量并没有明显的问题。结果显示，本模型中自由参数数目t 值即NPAR 值为67，DP=31×32/2=496，根据模型识别的t 法则，t < DP 为过度识别。在这种过度识别的情况下，SEM 可以得出整体模型拟合度的评估。本模型差异的宏函数 CMIN 为0.190，模型比较适合数据；显著性P 值为0.663 > 0.05，可认定本模型与数据拟合适度；CMIN/DF 为0.190，因此可认定模型与数据的配合程度较好。另外，RMR=0.083>0.05，表示拟合不够理想；GFI=0.998>0.9，表示模型拟合度良好；AGFI=0.981>0.9，表示拟合度良好。其他数据经分析表明该模型拟合度良好，可通过检验，模型得到确认[196]。