再补充一下情况，我的博士论文用的是实验法，进行了交互作用、方差分析、回归分析等步骤。
一个师兄（博士后）说我应该用结构方程模型，所以提出上述问题。

我以前做过，对同一组数据分别用主成分回归以及用结构方程建模来做。系数都差不多，结果很相近。
个人认为其实两者的差异在于
1.结构方程模型把主成分回归的两个步骤（主成分分析+回归分析）一次性处理掉了，所以统计误差的累计相对小点。
2.结构方程模型除了用最大拟然法以外还可以用偏最小二乘法来做拟合这样可以放松变量的正态分布假设。
3.主成分回归对样本数量的要求不高，但是结构方程模型的识别对样本量要求高，样本量=1/2（p+q）*（p+q+1），所以变量多一点马上样本量就破千了，调研成本很大。

结构方程和回归分析的本质区别在于：回归分析中都是显变量，而结构方程中使用隐变量。如果只为了把帽子做大而用的话，也就没有什么好比较的了

谢谢楼上两位的回复。
我认为，这两种方法有不同的适用范围。对于一个需要考察的变量不太多的模型，回归分析已经足以，因为回归分析能在统计上证明因果关系的存在；但对于变量多、关系复杂的模型来说，结构方程更加适用，但需要样本量也大。
如果同一组数据用两种方法分析，结果有可能接近，也有可能差距很大，比如原来在回归分析中证明统计显著的路径，在方程模型中根本就不显著了。
结果大不相同，这种情况有没有什么说道？
如果没有说道，就只能看哪个方法的结果更为满意，选择用哪个方法了。

还有没有人有和高见呀，我想这也是在研究之处到底选择何种分析方法的关键性问题。