结构方程模型是应用线性方程表示观测变量与潜变量之间，以及潜在变量之间关系的一种多元统计方法，其实质是一  种广义的一般线性模型。

20世纪70年代，瑞典统计学家、心理测量学家Joreskog（1973）将因子分析、路径分析等统计方法整合，提出了结构方程的初步概念。

Joreskog与其合作者进一步发展矩阵模型的分析技术来处理共变结构的分析问题，提出测量模型与结构模型的概念，促成SEM的发展。

Ullman（1996）定义结构方程为“一种验证一个或多个自变量与一个或多个因变量之间一组相关关系的多元分析程式，其中自变量和因变量既可以是连续的，也可以是离散的”，突出其验证多个自变量与多个因变量之间关系的特点。

SEM的技术特性：

具有理论先验性

同时处理因素的测量关系和因素之间的结构关系

以协方差矩阵的运用为核心

适用于大样本分析（样本数<100，分析不稳定；一般要>200）

包含不同的统计技术

重视多重统计指标的运用

样本规模大小

资料符合常态、无遗漏值及例外值(Bentler & Chou, 1987)下，样本比例最小为估计参数的5倍、10倍则更为适当。

当原始资料违反常态性假设时，样本比例应提升为估计参数的15倍。

以极大似然估计（ML）法评估，Loehlin (1992)建议样本数至少为100 ， 200较为适当。

当样本数为400~500时，此法会变得过于敏感，而使得模式不适合。