EFA显然支持单一因素，措施在内部是一致的，但是CFA是否适合？

我正在探索一项10项自我报告测评的心理测量特性。我有两个独立样本中的大约400个案例。这些项目以4点李克特量表完成。全民教育显然支持单因素解决方案（例如，第一特征值超过6，所有其他本征值低于1），而克朗巴赫的alpha值很好（例如.90）。没有项目具有较低的项目-总相关性。

我最初想做一个CFA（EFA只是我发现CFA不好之后的后续工作），测试一个单因素模型。令我惊讶的是，该模型的适用性相对较差：

CFI=.91
TLI=.88
RMSEA=.13

此外，每个项目的负载都非常好（.65+）。

奇怪的是SRMR=.05，这是可以接受的/很好。

修改索引建议我将各地的错误相关联。如果有明确的理由这样做（例如，某些项目的措词非常相似），我会这样做；但是，所有度量的措词都类似，并且将所有错误术语关联起来将是奇怪而痛苦的。

我从未见过这样的情况。这项措施在内部是一致的，显然是全民教育中的一个因素，但在CFA中显示不佳。在两个独立的样本（来自不同大陆）中，结果是一致的。我尝试了两因素CFA（将5个随机项目分组），拟合度相同，甚至略胜一筹。

这是我的问题：

1. 考虑到EFA / Cronbach alpha /因子负荷，为什么CFI / TLI / RMSEA的拟合度如此差？
2. 为什么SRMR好，而其他指数却不好？我知道他们会衡量不同的事物，但以我的经验，他们几乎总是会聚在一起。
3. 我应该关联一些错误吗？

示例项目：

• 你有缺点的想法
• 您的想法很难忘记
• 你一直在想情况

那很正常。

CFA比EFA更为严格。EFA尝试描述您的数据，但是CFA测试模型是否正确。

不收敛的原因之一是平均相关性较低（但我希望RMSEA会更好）。卡方检验本质上是一种检验您的残差等于零的检验，RMSEA，TLI和CFI是检验的变换。

在两因素解决方案中，拟合总是比一因素解决方案（嵌套）更好。

还有一些问题：您的样本量是多少？平均相关度是多少？卡方和df是什么，空模型的卡方是什么？

您是否应该添加相关错误？也许可以，但是当您这样做时，您正在引入其他因素。像这样的拟合，您可能需要添加很多，然后最终陷入混乱-最好以某种方式证明它们合理。例如，您的第二和第三项是关于侵入性思想的，这可能是有道理的。