根据黄芳铭（2005）的建议，我们进行量表模型整体拟合优度检验。若通过该检验则表示模型整体上具有效度。整体模型拟合的评估是一个相当复杂的问题。可以根据绝对拟合指标和相对拟合指标两大类整体拟合指标做综合性的判断。使用验证性因子分析时，需要对模型的拟合情况进行评价，本研究主要采用以下评价指标：
（1）卡方指标（χ2）
在结构方程模型中，χ2 统计作为一种差性拟合（Badness-of-fit Measure）的指标，在某种自由度下获取一定的显著χ2 值，代表观察矩阵和理论矩阵之间是不匹配的（黄芳铭，2005）。因此，只有χ2 值不显著的情况下，方能获得理想的匹配。由于样本量影响χ2 的显著程度，一般采用χ2/df 指标以降低样本量的影响。对于可以接受的范围，倾向于采用χ2/df 介于2.0到5.0之间，可以接受模型（侯杰泰、温忠麟和成子娟，2003）。
（2）近似误差均方根（RMSEA）
RMSEA在评价拟合度时表现得比许多其他指标要好（黄芳铭，2005）。当RMSEA 等于或小于0.05，表示模型可以被接受，通常将此视为拟合良好；RMSEA在0.05到0.08之间，表示拟合中等；RMSEA大于0.10则是不被接受的拟合。
