我如何解释lavaan输出？

我正在尝试使用进行验证性因素分析（CFA）lavaan。我很难解释产生的输出lavaan。

我有一个简单的模型-收集调查数据中的项目支持4个因素。这些因素与这些项目所测量的一致，在某种程度上看来它们可以用作有效的测量。

请帮我理解所产生的输出如下lavaan的cfa()：

 Number of observations                          1730

  Estimator                                         ML
  Minimum Function Test Statistic              196.634
  Degrees of freedom                                21
  P-value (Chi-square)                           0.000

Model test baseline model:

  Minimum Function Test Statistic             3957.231
  Degrees of freedom                                36
  P-value                                        0.000

User model versus baseline model:

  Comparative Fit Index (CFI)                    0.955
  Tucker-Lewis Index (TLI)                       0.923

我有以下问题：

1. 基线模型如何定义？
2. 假设对于指定的自由度，计算出的Chi-Sq统计量大于预期值，那么对于等于0.000的p值，是否有任何解释？
3. 基于CFI和TLI，看来我几乎有一个合理的模型。这是公平的解释吗？

1）基线是一个零模型，通常情况下，所有观察到的变量都被约束为无其他变量的变量（换句话说，协方差固定为0）-仅估算各个方差。这通常被称为“合理的”最坏可能拟合模型，将您的拟合模型与之进行比较，以计算模型拟合的相对指数（例如CFI / TLI）。

2）卡方统计量（标记为最小函数检验统计量）用于针对您指定的模型和空值/基准模型执行完美模型拟合的检验。本质上，它是模型隐含的方差/协方差矩阵与观察到的方差/协方差矩阵之间偏差的度量。在这两种情况下，完全拟合的零均被拒绝（p<.001），尽管这是设计用于基准/空模型的情况。一些统计学家（例如，Klein，2010年）认为，模型拟合度的卡方检验可用于评估模型的质量，但大多数其他模型都不鼓励在模型解释中投入大量资源，无论是概念上的（即完美拟合是不合理的）和实用的（即卡方检验对样本量敏感）的原因（例如，参见Brown，2015； Little，2013）。但是，它对于计算模型拟合的许多其他更有用的索引很有用。

3）哪些模型适合水平被认为是“可接受的”标准可能因学科而异，但是至少根据Hu＆Bentler（1999），您处于被认为是“可接受”的范围之内。0.955的CFI通常被认为是“良好”。但是请记住，TLI和CFI都是模型拟合的相对指标-它们将模型的拟合与（最差的）空模型的拟合进行比较。Hu＆Bentler（1999）建议您解释/报告模型拟合的相对和绝对指数。模型拟合的绝对索引将模型的拟合与完美拟合的模型进行比较-RMSEA和SRMR是几个不错的候选者（前者通常与置信区间一起计算，这很好）。

参考文献

布朗（TA）（2015）。应用研究的验证性因素分析（第二版）。纽约，纽约：吉尔福德出版社。

Hu，L.＆Bentler，PM（1999）。协方差结构分析中拟合指标的临界标准：传统标准与新选择。结构方程模型，6，1-55。

Kline，RB（2010）。结构方程建模的原理和实践（第3版）。纽约，纽约：吉尔福德出版社。

Little，TD（2013）。纵向结构方程建模。纽约，纽约：吉尔福德出版社。