估计出结构方程模型，还需要对模型的优劣进行评价，这一过程类似于多元线性回归中采用R2来评价模型的拟合度。
1 模型拟合度检验指标
| 卡方检验： | 不显著表示模型拟合较好 |
|---|---|
| 卡方自由度比： | 一般应小于2 |
| GFI和AGFI指数： | 一般应大于0.9 |
| PGFI指数： | 一般应大于0.5 |
| IFI、NFI和NNFI指数： | 一般应大于0.9（NNFI指数可能会超过1） |
| NCP指数： | 0表示具有完美拟合度（通常采用5%置信区间覆盖0来判断模型拟合情况） |
| RMSEA： | 越小越好，小于0.05（良好拟合）；小于0.08（可接受拟合门槛）；大于0.1（拟合不理想） |
| CFI指数： | 一般应大于0.95 |
| cn指数： | 大于200 |
2 多模型比较检验指标
| ECVI、AIC和CAIC指数： | 越小越好，仅适用于多个模型间的比较 |
|---|
3 残差检验指标
| RMR指数： | 较难解释，一般不用 |
|---|---|
| SRMR（标准化RMR）指数： | 介于0和1之间，越小越好；一般应小于0.08 |