SEM就是输入相关矩阵或协方差矩阵，结合1个或多个构想的可能模型，统计软件（如Mplus、Lisrel）帮你算出拟合指数，输出各路径参数、拟合指数等，可以用于修正和比较模型。想了解SEM推荐侯杰泰老师的《结构方程模型及其应用》（现在不再版，只有影印版） 。
CFA也是SEM（结构方程模型）的一种，但不是完整SEM；路径分析也是SEM的一个特例，但前者是对显变量，后者对潜变量。实际上SEM是很多统计方法（如t检验、方差分析、回归分析等）的特例，而SEM具有更准确的误差估计和信度指标。
因为CFA可以检验量表结构，所以往往先做CFA，如果拟合不好，说明量表信效度不高，就难以做之后的分析。
中介和调节检验有不同的方法，可以基于SEM对潜变量做分析，也可以化潜为显做层次回归（用SPSS）。要了解中介和调节，推荐温忠麟老师的文章，比如05年发在《心理学报》上的《调节效应与中介效应的比较和应用》，温忠麟老师的书《调节效应与中介效应分析》。

看到你的标签里有“家庭关系”，你是做发展教育方向的吧！你所说的这些：SEM、中介调节都是统计前沿，发展教育也用得很多，但建议先多阅读文章和书，了解了原理再使用。

显 潜 摘自：http://zhidao.baidu.com/link?url=vwL65Oh6TX4HANKVEBROwEZ0wWLuNIKm-4C0pV_tnFXpMDPOm4ZjWo9qbLFsEu-CeceXE_WbwSjQNFx4Mv4hMcoyilC3t_fZUSzoq0hHHjq

潜变量是指不能被直接精确观测或虽能被观测但尚需通过其它方法加以综合的指标，是在记录单元之间变化且其变化影响记录特征的任何未记录到的特征，结果是记录特征之间的联系，这种联系实际上并不是由记录特征本身的任何因果关系产生的。潜变量（Latent Variable），显变量（Manifest或Observable Variable）的主要区别在于：潜变量是实际工作中无法直接测量到的变量，包括比较抽象的概念和由于种种原因不能准确测量的变量。一个潜变量往往对应着多个显变量，可以看做其对应显变量的抽象和概括，显变量则可视为特定潜变量的反应指标。（参考资料：百度百科）



这些抽象的定义看起来是不是一头雾水呢？没关系，我们举个例子。



假设你想要通过一张问卷调查来了解消费者对一个新产品的满意度。这个“满意度”就是潜变量。



接着，为了充分了解这个潜变量的值，你设计了一份调查问卷。在这份问卷上，你询问消费者对这个商品在以下方面是否具有优势，比如：

价格、购买地点、质量、外观等。这些就都是显变量了。



由此你可以看出，问卷上的这些题目，每一题直接测量的都是显变量。等调查结束，把这些显变量综合起来考量得出的最后结果，就是你真正想要测量的潜变量了。