구조방정식의 기본골격은 요인분석 [240]과 경로분석 [241, 242]의 두가지 축으로 구성된다.

1967년 Joreskog는 요인분석과 경로분석의 두가지 측정법은 결합하여 

보다 일반적인 통계적 분석법을 생성해 냈는데 이를 구조방정식이라고 이름 지었다 [243].

Figure 1-20. Structureal eauation modeling is composed of path analysis and factor analysis [244]. 

구조방정식은 관찰할 수 있는 지시변수(또는 관찰변수, observed variables)들로부터 관찰할 수 없는 잠재변수들 (constructs or factors, latent variables)를 추정할 수 있는데, 이들 잠재변수들은 관찰변수를 측정할 때 발생하는 오차의 영향으로부터 자유롭게 된다.

예를 들어 사회과학에서는 지적능력, 진실, 자기확신, 동기, 성공, 야망, 편견 등과 같은 직접 측정하기 어려운 개념들이 종종 사용되는데 

구조방정식은 이들 개념을 측정할 수 있는 변수를 통하여 추정할 수 있도록 하는 것이다 [245].따라서 잠재변수 (요인)는 기본적으로 가설적 개념이다.

그러나 구조방정식모형에서 세우는 가설은 단순히 통계적 분석에 의해서 이루어지는 것은 아니다. 오히려 구조방정식모형은 선행적으로 알려진 정보와 지식에서 근거를 얻는다. 그리고 관찰된 데이터가 세워진 모형에 일치 (match)되지 않을때 모형의 가설은 기각 (reject) 된다 . 

다중 회귀분석, 분산분석 (analysis of variance: ANOVA), 그리고 경로분석 등과 같은 전통적인 통계방법들에서는 잠재적인 측정오차를 무시한다.

그러나 구조방정식 모형 (structure equation modeling: SEM)은 요인들 사이에서 인과관계를 측정하고 검사함으로써 이들 측정오차를 제거하는 강력한 수단을 제공한다. 

뿐만 아니라 구조방정식 모형은 다중 종속변수들을 동시에 모형으로 만들 수 있고, 전체적인 모델 적합도를 측정할 수 있으며, 

직접효과와 간접효과를 알아낼 수 있고,

계산하기 어려운 데이터들 (eg: 자동상관오류가 있는 시계열 (time series with autocorrelated error), 비정규분포 (non-normal), 그리고 범주형 변수들 (categorical outcomes) 등)을 다룰 수 있다는 다양한 장점을 가진다 [245]. 

주성분분석이나 군집분석들과 같은 다른 다변량분석법들DMF 1세대 다변량분석법으로 그리고 SEM을 2세대 다변량분석법으로 분류할 수 있으며 다음과 같은 차이가 난다 [246]. 

첫째 1세대 다변량분석법은 보다 서술적이고 탐색적임에 비해 

SEM은 확정적이며 다변량 가설의 측정에 보다 적합하다. 

둘째, 1세대 다변량분석법들은 일반적으로 고정된 모델을 측정하지만 

SEM은 특정상황에 보다 유연하게 맞출수 있다. 

셋째, 1세대 다변량분석법들은 net effects에 집중하지만 

SEM은 인과관계의 네트워크를 측정한다 (Table).

Table 1. Attributes of multivariate methods related to multivariate hypothesis formulation and evalution. [246].

 SEM is Structural equation modeling, DA is Discriminant analysis, RT is Regression trees, PCA is Principle components analysis, and MR is Multiple regression​

자연계현상의 해석에서 경로분석과 구조방정식모형의 의미

구조방정식의 핵심요소인 경로분석이 유전학자였던 Sewall Wright에 의해 고안되었음에도 [241, 242] 현대의 경로분석을 포함한 구조방정식이 주로 이용되는 분야는 사회과학분야이다.

하지만 자연계의 현상을 분석하고 이해하는데 있어서 경로분석과 구조방정식은 중요한 장점을 가지고 있다.

James B. Grace는 자연계현상의 이해에서 전통적인 단변량 분석법으로는 제한이 있다고 하였다 [246]. 그 이유의 본질적 이유는 자연계가 "다변량적 시스템"으로 존재하기 때문이다.

단변량 분석법은 복잡한 상호작용속에 있는 "다변량시스템 (자연계)"를 이해하는데 있어서 "한조각 이론 (theories of pieces)"에 불과하다 [246].

따라서 단변량 분석결과에 근거한 해석은 흔히 적절하지 못하며(inadequate) 오류를 가져온다(misleading). 

특히 변화하는 환경에 대한 자연계의 현상의 이해의 분석에 직면했을 때

단변량분석법의 한계는 더욱 명확해진다. 

그러함에도 많은 과학자들이 단변량 분석법에 집중하는 이유는 무엇인가? 

James는 자연계의 복잡한 현상들에 대한 의문에 답할수 있는 과학적인 해석도구가 제한되어 있기 때문이라 주장한다 [246]. 

그러나 과학계에서 다변량적 자연계에 대한 이해의 요구는 점점 커지고 있다. 

미국 국립과학재단의 Rita Colwell은 다음과 같이 말한다.

“The fundamental and underlying principle is that we must move 

from strictly reductionist research to research that synthesizes information and work toward a holistic approach to understanding

and wisely managing the environment.”[246]

이러한 상황에서 경로분석과 구조방정식은 

복잡계 자연의 이해를 위한 도구로서 주목을 받고 있다.

생태계나 사회현상 뿐만 아니라 인체생리나 병리적 현상의 이해를 위해서도 

다변량적인 관점의 해석과 이해는 필요하다. 

예를 들어 다양한 약물에 대한 저항성 (multidrug resistance)의 원인 중 하나는 인체의 다변량적인 상호네트워크와 중복을 통한 redundancy특성들과 연결되어 있을 수 있다. 따라서 이의 해결을 위해서도 복잡계의 이해는 필수적이다.

구조방정식모형을 이용한 자연계의 이해과정에서 제한점이 있을 수 있다. 

예를 들어, 추상성을 내포한 "요인"계수의 크기는 어떤 의미를 가질 것인가? 

실례로, 우울증관련 연구에서, 관찰변수이자 연속변수로 구성된 호르몬들, 미네랄들, 그리고 에너지원들을 이용하여 원인요인으로 하고, 범주변수들 (categorical variables)인 우울증인자들을 이용하여 결과요인으로 한 후 분석할수 있다.

이때 요인들간의 계수치에 대한 상대적인 비교가 가능했지만 

우울증지표에서 그 수치들이 어떤 의미를 갖는지에 대한 해석은 제한되며 

추가적인 연구들이 필요해진다. 

따라서 자연계의 해석에서 구조방정식과 함께 경로분석 그리고 

전통적인 평균비교 등이 병행하여 다각적인 면에서 분석하고 해석될 필요가 있다. 자연현상계를 보다 정확하고 합리적으로 이해하기 위해 다양한

통계기법들과 경로분석, 그리고 구조방정식은 배타적 또는 양자택일적

관계이기보다는 상호보완적이고, 연속적인 단계로 이해 할 수 있다 (Fig.

2-14).

Figure 2-14. 과학적 방법의 진행 [220].​