我正在使用最大似然法和Varimax正交旋转对R，Python，Mplus和SPSS中的探索性因素分析进行建模。但是，每个软件都提供不同的拟合度，并且我不确定以下哪个拟合度可以确认因素分析的有效性：
KMO测试
巴特利特球度测试
比较拟合指数（CFI）/塔克·刘易斯指数（TLI）
卡方统计
RMSEA
SRMR
以下是之前的两项研究，它们提到了他们的EFA模型中的前两个指标，而在其他研究中，则提到了全部六个指标中的一些或组合：
BörjessonM，Hamilton CJ，NäsmanP，Papaix C（2015）推动公众支持减少道路拥堵政策的因素：拥堵收费，免费公共交通以及斯德哥尔摩，赫尔辛基和里昂的更多道路。运输部分A政策实务78：452-462。 https://doi.org/https://doi.org/10.1016/j.tra.2015.06.008
李莉，白燕，宋哲，等（2018）基于当前旅客忠诚度的公共交通竞争力分析。运输部分A政策实践113：213–226。 https://doi.org/https://doi.org/10.1016/j.tra.2018.04.016
请协助我解决这个问题。
最佳答案
由于上面带有SPSS标签，因此我将就SPSS在FACTOR过程中为探索性因素分析提供的内容进行答复。正如其他人所提到的，Bartlett球形度检验和KMO统计基本上是对是否具有共同点作为公共因子分析基础的健全性检查。其他措施是为了确保数据适合模型。 FACTOR中唯一可用的方法是卡方检验，以实现最大似然和广义最小二乘估计。基本上，这可以为您提供有关数据是否不适合模型的信息（p值较小），并且需要更多因素来改善拟合度。
关于python - 是否有用于验证探索性因素分析的标准适合量度？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59216304/