总的来说，你的模型chi square是有点大，你看卡方/df远远大于3了。而且你的适配度指标也不是很好，。RMSEA属于moderate fit，也就是大于0.08小于0.1。如果这是你measurement model的还可以。但是如果是structural model的fit的话还是有点太差。可以考虑一些提高适配度的技术，如item parceling.如果你的研究满足以下要求：第一，你不是为了开发量表，只是为了测试变量之间的关系。第二，你的变量及问题的归属在学术界比较成熟，也就是说大家都比较认同，没有争议。第三，你的模型中的观测变量太多，sample size跟观测变量个数的比大大小于10:1，那么可以考虑使用item parceling,也就是把衡量一个变量的问题的份平均，作为单独的indicator衡量这个变量。如果你要这么做再联系

所有的FIT index 都不行， 不只是卡方。