相关指数越大越好
拟合指数越大越好吗？
拟合指数越大越好吗？
拟合程度与相关系数的关系，相关系数越大，拟合程度越好。
GFI始终比1小，一般认为大于0.9时，模型拟合效果良好。
RMSEA
RMSEA小于0.1表示拟合较好；低于0.05拟合良好。
RMR
一般RMR小于0.05，说明模型拟合效果良好，越接近0越好。
CFI
比较拟合指数，其值位于0和1之间。其值大于或等于0.9表示模型可接受。
NFI
该指标反映了假设模型和独立模型之间的差异。
独立模型是指变量中不存在任何相关关系的一种简单模型。
假设模型和独立模型的差异越大，说明假设模型拟合效果良好。
一般NFI大于0.9，假设模型拟合效果良好。
AIC和BIC值用于多次分析时的对比；此两值越低越好；如果多次进行分析，可对比此两个值的变化情况，综合说明模型构建的优化过程。
相关指数的实际意义？
相关系数是在直线相关条件下，表明两个现象之间相关关系的方向和密切程度的综合性指标。一般用样本数据计算，记为r，没有单位，统计学中一般在－1～＋1之间。 相关指数是用于表示多个现象在不同场合下综合变动的一种特殊相对数。
相关指数的实际意义？
相关系数是衡量观测数据之间相关程度的一个指标，一般情况下，相关系数越大表明相关程度就越高。但是，相关系数只有相对意义，没有绝对意义。也就是说，0.99不代表相关程度一定就高，0.44也不代表相关程度一定就低，这与样本空间的大小有关。实际工作中，只要相关关系显著，不必刻意追求高的相关系数。
不同样本空间大小有一个临界相关系数值，若统计值高于它，就代表相关关系显著，否则为不显著。若有30组数据，临界相关系数为0.361，0.44的相关系数代表相关关系显著；若只有3组数据，临界相关系数为0.997，0.99的相关系数仍代表相关关系不显著。因此，统计相关系数必须与临界相关系数对比之后才有意义。
许多人在做相关分析时，得到了0.9的相关系数，就得出相关关系很好的结论，实在是太离谱了，因为0.9很可能代表相关关系极不显著，^_^
若在论文中标注相关系数的数值时，必须同时标注临界相关系数的数值才有意义，很多人对此并不了解，以为有一个较高的数值即可，其实是误解了相关系数的真正含义。