구조방정식모형은 계량 데이터를 다루는 사회과학 분야에서 널리 쓰이고 있다. 이 모형은 잠재변수를 포함하고 변수들 간의 관계를 명시적인 인과관계로 설명할 수 있어 적용될 수 있는 범위가 매우 넓다. 또한 연구자가 공분산 데이터 행렬만으로 손쉽게 분석할 수 있기 때문에 구조방정식모형의 활용은 점점 늘어나는 추세이다. 그러나 적은 자유도를 갖는 데이터로 넓은 적용범위에서 많은 결과물을 산출하기 때문에, 그 이면에는 많은 모형가정과 확률적 의사결정 과정, 그리고 결과의 해석에 대한 난점들이 숨어있다. 본 논문에서는 구조방정식모형의 통계적 쟁점을 데이터 생성, 변수의 척도, 인과관계, 잠재변수 식별, 모형 식별 및 모수 추정, 모형 적합 및 검정의6가지로 나누어 논의하였다. 주로 통계적인 관점에서 구조방정식모형의 구조 및 기본 개념에 초점을 맞춘 쟁점들이다.

Structural equation models have been used widespreadly in the field of quantitative social science. These models include latent variables and can explain the causality among variables explicitly, so could be applied to many fields widely. Also researchers are easily able to analyze the models on the basis of covariance data only. These lead structural equation models to rapid increase of usage. However, there are some difficulties such as lots of model assumptions, stochastic decision process and hard interpretation of the results due to lack of degree of freedom for covariance data in order to explain a somewhat complicated model. In the paper, I discussed six statistical issues of structural equation models such as data generation, scale of variables, causality, identification of latent variables, model identification and model parameter estimation, and model fit and test. These are some issues mainly focused on structure and basic concepts of structural equation models in the statistical viewpoint.