TLI (ang. Tucker-Lewis Index) – to  miara dopasowania modelu w analizie SEM (Structural Equation Modeling). Ocenia ona jakość dopasowania przy jednoczesnym uwzględnieniu złożoności modelu .

Współczynnik TLI jest rozwinięciem wskaźnika NFI. Obie te miary porównują dopasowanie analizowanego modelu teoretycznego do modelu bazowego (baseline model), w którym zakłada się, że wszystkie zmienne są nieskorelowane. Innymi słowy, testują one jak dobrze badany model wyjaśnia dane w porównaniu do modelu, który zakłada brak jakichkolwiek relacji między zmiennymi. Jednakże,  TLI, w przeciwieństwie do NFI, uwzględnia przy tym wielkość próby oraz (przede wszystkim) złożoność modelu, co sprawia że jest bardziej stabilny od NFI i przez to częściej stosowany .

W jaki sposób TLI uwzględnia złożoność modelu? Przykładowo, faworyzuje prostsze modele względem bardziej złożonych, gdy uzyskują one akceptowalne dopasowanie, a zatem większe skomplikowanie modelu nie poprawia dopasowania.  Wadą jest jednak fakt, że przy małych próbach może on nieznacznie faworyzować prostsze modele, a przy dużych próbach nieznacznie bardziej złożone modele.  Z tego względu TLI jest często interpretowany równolegle z innymi wskaźnikami, jak RMSEA, które dostarczają dodatkowych informacji o jakości dopasowania.

TLI nie jest jednym rozwinięciem NFI. Innym jest CFI, którego również tak jak TLI uwzględnia złożoność modelu i wielkość próby, ale kładzie większy nacisk na wielkość próby. Wartość CFI jest bardziej stabilna w zależności od skomplikowania modelu i wielkości próby, warto ją więc stosować gdy celem analizy jest porównywanie różnych modeli między sobą. TLI z kolei przydatny jest do interpretacji pojedynczego modelu jeśli zależy nam na uwzględnieniu oceny jego złożoności jako takiej.

Wartość TLI waha się od 0 do 1, gdzie wartości bliższe 1 wskazują na lepsze dopasowanie modelu, zazwyczaj wystarcza, gdy wartość ta jest wyższa niż 0,90, choć niekiedy podaje się bardziej zróżnicowane progi intepretacyjne:

• TLI ≥ 0,95: wskazuje na bardzo dobre dopasowanie modelu.
• 0,90 ≤ TLI < 0,95: oznacza, że model ma dobre dopasowanie.
• TLI < 0,90: sugeruje słabsze dopasowanie modelu.

Więcej informacji na temat analizy SEM i miar dopasowania można znaleźć na stronie dr Jamesa Gaskina (link tutaj).