Phần này tĩm tắt ngắn gọn và khơng thiên về đặc tính kỹ thuật của các vấn đề căn bản cĩ liên quan trong SEM, bao gồm các vấn đề ước lượng, thích hợp mơ hình, và các giả thiết thống kê.
SEM (Structural Equation Modelling) là một kỹ thuật mơ hình thống kê rất tổng quát, được sử dụng rộng rãi trong khoa học nghiên cứu hành vi. Nĩ cĩ thể được xem là sự kết hợp của phân tích nhân tố và hồi quy hay phân tích đường dẫn. Sự quan tâm trong SEM thường là vào các kiến trúc lý thuyết, được trình bày bởi các nhân tố ngầm. Các quan hệ giữa các kiến trúc lý thuyết được trình bày bởi các hệ số hồi quy hay hệ số đường dẫn giữa các nhân tố. SEM ám chỉ 1 cấu trúc của các hiệp tương quan (covariances) giữa các biến được quan sát, các quan hệ này cho ra một tên khác là mơ hình hĩa cấu trúc
hiệp tương quan (covariance structure modeling). Tuy nhiên, mơ hình
cĩ thể được mở rộng thêm bao gồm trung bình của các biến quan sát được hoặc các nhân tố trong mơ hình, làm cho tên mơ hình hĩa cấu trúc hiệp tương quan ít chính xác. Nhiều nhà nghiên cứu chỉ đơn giản nghĩ mơ hình loại này là “các mơ hình Lisrel,” điều này cũng ít chính xác. LISREL là chữ viết tắt của Linear Structural RELations (các quan hệ cấu trúc tuyến tính), và tên này được Jưreskog sử dụng cho một trong những chương trình SEM đầu tiên thơng dụng nhất. Các mơ hình phương trình cấu trúc ngày nay khơng nhất thiết phải tuyến tính, và khả năng mở rộng của SEM xa hơn phương trình Lisrel ban đầu. Ví dụ, Browne (1993) thảo luận khả năng làm thích hợp các đường cong phi tuyến.
SEM cung cấp một khung thuận tiện và rất tổng quát cho các phân tích thống kê bao gồm các thủ tục đa biến truyền thống, ví dụ các trường hợp đặc biệt là phân tích nhân tố, phân tích hồi quy, phân tích phân biệt, và tương quan canonical. SEM thường được minh họa bằng biểu đồ đường dẫn. Phương trình thống kê này thường được trình bày trong một hệ phương trình ma trận. Trong đầu thập niên 70, khi kỹ thuật này được giới thiệu lần đầu trong nghiên cứu xã hội và nghiên cứu hành vi, phần mềm thường yêu cầu cài đặt chỉ rõ mơ hình theo điều kiện của những ma trận này. Do đĩ, các nhà nghiên cứu đã phải lọc việc trình bày ma trận từ biểu đồ đường dẫn, và cung
Khảo sát một số yếu tố - Năm 2004 - tác động vào sự sẵn sàng của thương mại điện tử
cấp phần mềm với 1 chuỗi ma trận cho các tập hợp tham số khác nhau, như là hệ số nhân tố và các hệ số hồi quy. Các phần mềm được phát triển gần đây cho phép các nhà nghiên cứu chỉ định trực tiếp mơ hình như là 1 biểu đồ đường dẫn. Việc này hiệu quả với các vấn đề đơn giản, nhưng cĩ thể gây mệt mỏi đối với các mơ hình cĩ tính phức tạp hơn. Vì lý do này, phần mềm SEM hiện tại cũng vẫn hỗ trợ các đặc tính kỹ thuật của mơ hình loại câu lệnh-hay ma trận. Path analysis (phân tích đường xu hướng) là kỹ thuật thống kê dùng để kiểm tra quan hệ nhân quả giữa hai hay nhiều biến. Dựa trên hệ thống phương trình tuyến tính.
Path analysis là thành phần phụ của SEM, một thủ tục đa biến mà
theo định nghĩa của Ullman (1996), “cho phép kiểm tra một tập quan
hệ giữa một hay nhiều biến độc lập, hoặc là liên tục hoặc là rời rạc, và một hay nhiều biến phụ thuộc, hoặc là liên tục hoặc là rời rạc.”
SEM liên quan đến các biến đo lường được (measured variable) và
các biến ngầm (latent variable). Một measured variable là một biến
cĩ thể được quan sát trực tiếp và được đo lường. Biến đo lường được cũng được biết đến như biến quan sát được (observed variable), biến
chỉ báo hay biến biểu thị (indicator or manifest variables). Một latent
variable là một biến khơng thể được quan sát trực tiếp và phải được
suy ra từ measured variable. Latent variables được ám chỉ bởi hiệp
tương quan (covariances) giữa hai hay nhiều measured variables. Chúng cũng được biết đến như là các nhân tố (nghĩa là, phân tích nhân tố), các biến kiến trúc hay các biến khơng quan sát được (constructs or unobserved variables). SEM là sự kết hợp giữa hồi quy đa biến và phân tích nhân tố. Path analysis chỉ liên quan đến các biến đo lường (measured variables).