第1个回答 推荐于2016-03-29
一个是模型拟合的卡方值（Chi-Square Test of Model Fit），它检验的是实际数据的协方差矩阵与通过参数估计得到的再生协方差矩阵的拟合程度；
另一个是比较通过参数估计得到的再生协方差矩阵与零模型差距大小的卡方值（Chi-Square Test of Model Fit for the Baseline Model），零模型是固定所有可观测变量及潜变量间相关系数为0的模型，该模型对路径限制最多，自由度最大，是与实际数据拟合最差的模型，所以如果这个卡方值越大，代表你所设定的模型比起最糟糕的模型改善最多，从另外一个侧面反映了模型的拟合程度。
通常卡方值只需要关注前者，即Chi-Square Test of Model Fit本回答被提问者采纳