非正态数据是研究中最常见的情况之一，国内相关研究很少有报告数据分布形态信息的。目前处理非正态的方法有多种（详细方法见： https://bbs.pinggu.org/forum.php?mod=viewthread&tid=437203&page=1&from^^uid=286650），备受初学者中意的AMOS在处理非正态数据时束手无策。
Mplus的优势主要在于以下3个方面：
第一，提供稳健估计。
     WLSMV估计是专门为了处理类别变量设计的(Muthén, 1993)，所以在处理类别数据时表现优于其他估计方法(Beauducel & Herzberg, 2006; Flora & Patrick, 2004; Finney & DiStefano, 2006)。Flora和Patrick(2004)的模拟研究比较了WLSMV和WLS处理非正态类别数据时的表现，结果发现WLS仅在简单模型、大样本时（n > 1000）表现尚可，在其他条件下表现均不理想（不精确的参数估计、检验统计量和标准误），而WLSMV在所有条件下（偏态和小样本n=100）均能获得不错的参数估计结果。
第二，提供Bootstrap再抽样法。
第三，校正统计量。
LISERL和EQS提供Satorra和Bentler(1994)校正统计量，LISERL也可以计算Bootstrap统计量，但不提供稳健估计法，而Mplus提供上述3种方法。