遇到同样问题

学习了

测量工具走多远，因子才能走多远。

模型拟合取决于下面两者之间的差异：(1)数据，（2）你测试的模型。所以说可能有以下的原因：

1） 你测试的模型越复杂，它跟数据之间的差异就可能越大，拟合就不好。
2） 也许你的模型在理论上来说就不可行， 也许你把简单的问题复杂化了。比如说，在理论上来说只有一个因子 （潜变量）， 但你的模型有两个，那模型肯定拟合不好。
3） 你的数据有问题

Most of times we forget to check multivariate normality Mardia's kurtosis. If the data cannot meet the normality requirement, we can run bootstrap to get bootstrap p which is generally bigger than p with MAL. Always put theory in mind and dont become a pure dataminers.

变量多了

计算也就多了

结果就差些了吧

我比较傻，