我有一组数据做负指数分布检验，P-P图与斜线差距大，而非参数K-S检验却又符合，这是怎么回事？

虽然你的数据点在P-P图上与对角线存在一定的差距，但由于K-S检验不能否定你的数据服从指数分布，那就可以推断数据服从指数分布，这一点是没有问题的。

你的数据点在P-P去势图（残差图）上表现出了明显的规律性，这表明指数分布并不是拟合你的数据最佳模型。不过，去势图（残差图）上最大的偏差为0.1，虽然大了一些，但根据K-S检验的结果，这个差距还是可以接受的。此外，一组数据并不一定只能服从一个分布模型，同时服从几个模型的分布并不少见。因此，虽然指数分布并不是拟合你的数据的最佳模型，但综合考虑K-S检验的结果，仍然可以使用指数模型解释你的数据，结果偏差不会太大。

拟合指标看起来都差点意思

觉得首先你可以再考虑一下你的模型，检查检查路径，看看哪里可能存在问题，最简单的是看看单一路径，有哪些是不显著的，这会提示你有哪些路径的设置不合理，修改一下，拟合指标可以提升。当然，同样的方法你也可以去检验一下你的测量模型，看看有哪些题目很不好的，可以删就删。

其次，你看看你数据本身有没有什么问题，比如被试的作答有没有不太好的，比如有没有看起来乱填的，去掉那些明显胡乱作答的，数据质量会有所提升，相应的也许拟合会有改变

再有，品牌态度那个变量的题目太多了，可以考虑做题目打包，9个题打三包就够了，打包方法请自行查阅相关论文吧

各种方法综合一下，总会提升拟合度。另外，拟合度也只是一个经验指标，如果你后来有一些拟合指标变好了，有的，不行，那你也不用太强求，你再综合考量一下模型中的各个测定系数，修正指数等，如果都好，还是可以支持你的模型，这比单一参考拟合指标好

0.8左右是很好的了

单独看这个指标,无法判断是不是有问题,你可以调试模型

spss和amos是一样的,不是说amos就很差,spss就好

另外,spss不会给出NFI等值,所以只能和amos对比系数估计值,而这个估计值只要是正确计算,两者都是一样的

---