结构方程式模型假定在一组潜在变量中存在因果关系，这些潜在变量可以分别用一组可观测的变量表示。假设的模型通常包括某个基本线性回归模型和很多观测变量，而这个基本的线性回归模型应该是一组潜在变量的结构关系模型。这一组潜在变量分别是那些观测变量中的某几个的线性组合。

在技术上，通过验证观测变量之间的协方差，可以估计出这个基本线性回归模型的系数值，从而在统计上检验所假设的模型对所研究的过程是否合适，也就是检验观测变量的方差协方差矩阵与模型拟合后的引申方差协方差矩阵的拟和程度，如果证实所假设的模型合适，就可以得出结论：我们所假设的潜在变量之间的关系是合理的。　   

二、三种分析方法对比

四、路径分析与结构方程的不同

路径分析虽然同时处理多组回归方程的运算，但其背后的数学原理并未考虑多次执行检验时造成的统计误差积聚的问题，因此路径分析被部分学者认为只能检验路径系数的显著性，无法对结构方程模型进行整体性的评估分析。

路径分析的不足：

1、路径分析中假定变量的测量没有测量误差存在。

2、只能对连续变化的显性变量进行检验，无法对显性变量间的潜在变量做检查和检验。

3、变量间只有单向的因果关系，无法做递归关系的验证。

【免费数据源】 文库相关贴提示链接：