结构方程模型是基于变量的协方差矩阵来分析变量之间关系的一种统计方法，是多元数据分析的重要工具。近年来在心理、教育、医学、经济等领域得到了广泛应用。结构方程模型常用的分析软件有LISREL、AMOS、EQS。
一、LISREL是一款专业的结构方程模型软件，主要用于标准结构方程建模和多层结构方程建模，适用于基于连续变量的完整的和不完整的复杂调查数据以及基于序数和连续变量的完整和不完整的简单随机样本数据，是当前主流的SEM分析工具之一。
软件将外显变量和潜变量结合在一起，内置多种功能模块，新增多层次分析、广义线性模型、非线性阶层模型、基本数据处理等功能，适用于管理科学、行为科学、生物学、教育学等多种领域。
软件特色：
1. 可以分析完整data和不完整data时的Multievel Structural Equation Model，以及非线性Multilevel Model（Two-level nonlinear regression models），技术明显领先其他同类软件。
2. 可以提供Effcient Full Information Maximum Likelihood(FIML)方法处理SEM中missing data的问题，模型解释力极强。分析的样本大小和变量个数的多寡完全不受限制，提供非常大的数据处理能力。
3. 提供具有说服力的验证性因素分析（Confirmatory Factor Analysis;CFA）和探索性因素分析（Exploratory Data Analysis;EFA）报告。并利用Formal Inference-based Recursive Modeling(FIRM)方法检测类别变量间的复杂统计关系。
4. 由于LISREL在探讨多变项因果关系上的强力优势，使得LISREL在社会学研究上似乎有愈来愈受重视的趋势，LISREL系属于结构等式模型（structural equation modeling，SEM）家族的一员，因此LISREL亦在于探讨多变项或单变项之间的因果关系。SEM一族的成员包含共变量结构分析（covariance structure analysis）、潜在变项分析（latent variable analysis）、验证性因素分析（comfirmatory factor analysis）以及LISREL分析（LISREL analysis）等等，SEM结合了多元回归与因素分析，可以同时分析一堆互为关连之依变项间的关系。
二、EQS是结构方程模型里非常容易使用，且具备新的统计方法，尤其是在处理非正态分布和有缺失值资料。它具有容易使用和强有力的特性。用户可以使用EQS绘图工具画一张路径图建立你的模型，并且使用先进的统计方法正确处理non-normal数据。EQS以便利的数据处理和统计预先处理为特色。
EQS开发人员之一是由该领域在国际间享负盛名的Peter M. Bentler教授，EQS提供研究人员与统计学家简单建构结构方程模型的理想工具，包含复回归分析、多变量回归、验证性因素分析、结构分析路径分析以及多重母体比较。使用过的EQS的学者一致认同本软件提供完整且简单的操作接口。使用EQS，您可以不用具备任何矩阵代数的知识就可以轻易的操作本软件。
EQS提供更为精确的统计理论知识以分析实际上非常分配的数据（事实上实际的数据也非常态分配）。这些理论包含：Satorra-Bentler scaled chi-square，robust standard errors以及Yuan-Bentler distribution-free&statistics。
EQS目前可处理多列相关与多序类相关的类别数据。附加的探索性工具，增强RETEST及WTEST选择，并且有能力输入权重矩阵。
三、AMOS全称为IBM SPSS AMOS，是IBM旗下的一款结构方程建模工具，它是通过数据建立起结构方程模型（SEM），然后再对其进行分析回归、因子等相关性分析、方差分析等多元分析。从整个软件上来讲，它的软件界面使图像化的，直观、了当，另外还有建模能力、潜在类别分析、模型创建、分析统计功能、处理海量计算模型等等功能。
软件特色：
1. 提供SEM
使用拖放式绘图和编辑工具，快速构建图形模型。
创建真实反映复杂关系的模型
使用观察到的或潜在的任何数字值来预测任何其他数字值
使用非图形脚本编制功能快速运行大型的复杂模型，并生成略有差别的类似模型
利用多变量分析扩展标准方法，例如，回归、因子分析、差异的关联和分析
2. 使用贝叶斯算法分析
通过指定内容丰富的先验分布，改进估算
利用可自动调整的底层“马尔科夫链蒙特卡尔理论（Markov chain Monte Carlo，MCMC）”计算方法
以有序的分类数据和审查数据执行估算
基于非数字书籍创建模型，而无需将数字分数分配给数据
使用审查数据，而无需进行除正常情况之外的假定
3. 提供各种数据归因方法
使用回归因创建单一完整的数据集
使用随机回归归因或贝叶斯算法归因创建多个归因的数据集
您还可以归因缺失值或潜在变量分数
