验证性因子分析是一种统计方法，用于检验理论模型与实际数据的拟合程度。它是结构方程模型的一种，通过比较观测变量与潜在变量之间的关系，来评估模型的拟合程度。验证性因子分析中常用的指标包括卡方值、卡方自由度比、GFI、AGFI、NFI、RFI、RMR和CFI等。

卡方值：卡方值用于检验模型拟合程度，其值越小表示模型拟合效果越好。但需要注意的是，卡方值对样本量比较敏感，样本量越大卡方值越小。因此，在比较不同样本大小的模型时，卡方值可能无法准确地反映模型的拟合效果。

卡方自由度比：卡方自由度比是卡方值与自由度值的比值，用于比较不同模型的拟合效果。卡方自由度比越小表示模型拟合效果越好。一般情况下，卡方自由度比小于2时可以认为模型拟合效果良好。

GFI（Goodness of Fit Index）：GFI是一个常用的拟合指数，其值始终小于1。GFI大于0.9时可以认为模型拟合效果良好。GFI越大表示模型拟合效果越好。

AGFI（Adjusted Goodness of Fit Index）：AGFI也是一个常用的拟合指数，其值位于0和1之间。AGFI越大表示模型拟合效果越好。AGFI的优点是可以考虑模型中自由参数的数量，从而更好地评估模型拟合效果。

NFI（Normed Fit Index）：NFI反映了假设模型与独立模型之间的差异，其值位于0和1之间。NFI越大表示假设模型与独立模型之间的差异越小，即模型拟合效果越好。

RFI（Relative Fit Index）：RFI是一个相对拟合指数，用于比较不同模型的拟合效果。RFI大于0.3时可以认为假设模型拟合效果良好。

RMR（Root Mean Square Residual）：RMR是残差均方根，用于测量观测变量与潜在变量之间的关系。RMR越小表示模型拟合效果越好，一般认为RMR小于0.05时模型的拟合效果良好。

CFI（Comparative Fit Index）：CFI是比较拟合指数，其值位于0和1之间。CFI越大表示假设模型与独立模型之间的差异越小，即模型拟合效果越好。CFI大于或等于0.95时可以认为模型可接受。

这些指标可以帮助研究者判断验证性因子分析的模型是否符合实际数据，从而更好地理解数据结构和关系。需要注意的是，这些指标都有一定的局限性，因此在评估模型拟合效果时需要综合考虑多个指标，并结合实际情境和专业知识进行判断。