Degrees of Freedom = 87
                Minimum Fit Function Chi-Square = 333.11 (P = 0.0)
        Normal Theory Weighted Least Squares Chi-Square = 300.59 (P = 0.0)
                Estimated Non-centrality Parameter (NCP) = 213.59
            90 Percent Confidence Interval for NCP = (164.60 ; 270.19)
                        Minimum Fit Function Value = 1.02
                Population Discrepancy Function Value (F0) = 0.65
              90 Percent Confidence Interval for F0 = (0.50 ; 0.82)
             Root Mean Square Error of Approximation (RMSEA) = 0.087
            90 Percent Confidence Interval for RMSEA = (0.076 ; 0.097)
               P-Value for Test of Close Fit (RMSEA < 0.05) = 0.00
                  Expected Cross-Validation Index (ECVI) = 1.12
             90 Percent Confidence Interval for ECVI = (0.97 ; 1.29)
                         ECVI for Saturated Model = 0.73
                       ECVI for Independence Model = 26.86
     Chi-Square for Independence Model with 105 Degrees of Freedom = 8780.83
                            Independence AIC = 8810.83
                                Model AIC = 366.59
                              Saturated AIC = 240.00
                           Independence CAIC = 8882.77
                               Model CAIC = 524.86
                             Saturated CAIC = 815.53
                          Normed Fit Index (NFI) = 0.96
                        Non-Normed Fit Index (NNFI) = 0.97
                     Parsimony Normed Fit Index (PNFI) = 0.80
                        Comparative Fit Index (CFI) = 0.97
                        Incremental Fit Index (IFI) = 0.97
                         Relative Fit Index (RFI) = 0.95
                             Critical N (CN) = 119.74
                      Root Mean Square Residual (RMR) = 0.24
                             Standardized RMR = 0.041
                        Goodness of Fit Index (GFI) = 0.89
                   Adjusted Goodness of Fit Index (AGFI) = 0.85
                  Parsimony Goodness of Fit Index (PGFI) = 0.65

其中，GFI、AGFI和RMSEA的指标只能说是一般，但是，最让我头大的是RMR这个值和标准比起来太不靠谱了。哪位大侠能对我的这个模型拟合情况做个判断吗？还有就是，RMR的值可以如何修正呢？
另外，我的样本数是407个，我听一些书上介绍RMR在大样本的情况下是很敏感的，所有有人提出用SRMR来衡量，不知道是不是有这么回事？跪求大侠