結構方程模型SEM是壹種多元數據分析方法，其可用於研究多個潛變量之間的影響關系情況。結構方程模型***包括兩部分結構，分別是測量關系和影響關系。比如下面這個結構方程模型，其包括四個潛變量，分別是Factor1感知質量、Factor2感知價值、Factor3顧客滿意和Factor4顧客忠誠。
從測量關系來看：Factor1感知質量由A1~A4***4項測量；Factor2感知價值由B1~B3***3項測量；Factor3顧客滿意由C1~C3***3項測量；Factor4顧客忠誠由D1~D2***2項測量。
從影響關系來看：Factor1和Factor2對於Factor3產生影響關系；Factor3對Factor4產生影響關系。
類似上述，如果研究中包括測量關系和影響關系時，此類研究均可稱作結構方程模型。當然研究者的重心在於研究影響關系，並且進行假設驗證等；測量關系並不在重點關註範圍，但是測量關系的質量會對模型擬合情況產生很大的影響，因此研究者需要首先保證測量關系的質量情況。
特別提示
結構方程模型SEM包括測量關系和影響關系；如果僅包括影響關系，此時稱作路徑分析（Path analysis，有時也稱通徑分析）。
結構方程模型SEM對於測量關系和影響關系均有很高的要求；尤其是對於測量關系，因此研究前壹定需要先保障測量關系有著高質量，通常需要進行探索性因子分析和驗證性因子分析，均保證測量關系無誤之後，再進行結構方程模型構建。
由於結構方程模型SEM對於樣本量要求較高(通常200以上)，以及測量關系，影響關系均有著很高的要求。因此有時會出現無論如何，結構方程模型SEM擬合效果均不理想，此時建議可將模型簡化折分，也或者使用路徑分析進行研究，如果路徑分析也不理想，最終可考慮使用線性回歸分析進行研究。
結構方程模型對於數據質量，包括樣本量，測量關系和影響關系均有著很高的要求；如果數據質量稍低則會導致擬合效果不佳，擬合指標不達標，因此SPSSAU提出以下結構方程模型分析流程，以保障高質量的結構方程模型擬合效果。如下圖：
可以使用SPSSAU進行分析：