Im bardziej skomplikowane zjawisko tym istnieje większe prawdopodobieństwo użycia bardziej złożonych metod analizy statystycznej.
Niewątpliwie jedną z najbardziej zaawansowanych analiz statystycznych mających zastosowanie w naukach empirycznych jest metoda modelowania równań strukturalnych. Wraz ze wzrostem skomplikowania zjawisk rządzących danym zagadnieniem lub wycinkiem badanego obszaru rzeczywistości wzrasta zapotrzebowanie na bardziej kompleksowy opis zagadnienia biorącego pod uwagę wszystkie funkcję wiążące dane zmienne. Niebywały postępowy rozwój metod statystycznych sprawił, że wymagania i oczekiwania co do metod statystycznych stały się jeszcze bardziej skrystalizowany i wyartykułowane w propozycjach mających na celu zaspokojenie tych pragnień. Niesamowitą historią cieszy się rozwój metod analizy równań strukturalnych. Metoda ta jest połączeniem analizy czynnikowej, analizy regresji i metody analizy ścieżek. Dzięki połączeniu tych metod jest możliwe odtworzenie całego łańcucha przyczynowo skutkowych zależności, a co za tym idzie? Analiza ta pozwala na statystyczne odwzorowanie i opisanie całych założeń teoretycznych w których dane badanie jest zagnieżdżone. Ponad to, dzięki możliwości tworzenia struktur zmiennych latentnych staje się realne oszczędne i wieloaspektowe tworzenie modeli wyjaśniających badane uniwersum zmiennych niezależnych, zmiennych zależnych i zmiennych pośredniczących.
Ponad to metoda ta pozwala na weryfikacje i porównywanie modeli strukturalnych w podzbiorach wraz z oszacowaniem statystyk różnic między modelami.
Opcja ta pozwala na testowanie efektów moderacyjnych oraz moderowanych mediacji, a także całkowicie moderowanych skomplikowanych układów przyczynowo skutkowych. Za sprawą elastyczności modeli możemy testować tymi metodami zmienne, które niekoniecznie posiadają rozkład zgodny z krzywą Gaussa. Np. dzięki metodzie asymptotycznie wolnej od rozkładu możemy testować zmienne które mają skośne lub inne rozkłady niż normalny. Niemniej wszelkie zalety posiadają także wady. Nie da się ukryć, że użycie metody asymptotycznie wolnej od rozkładu wymaga niesamowicie dużej ilości obserwacji (np. osób badanych lub innych obiektów poddawanych obserwacji lub śledzeniu). Jest to fakt i warunek który trzeba spełnić by użyć tej metody do estymacji wyników. Taka analiza statystyczna powinna być brana pod uwagę jeszcze przed realizacją badania. Jeśli badacz wie, że zmienne w obrębie jego zainteresowania nie mają rozkładów normalnych to powinien zastanowić się nad sposobem przetestowania większej ilości obserwacji. Oczywiście badacz może dokonać całego szeregu przekształceń które poprawią rozkład wyników. Niemniej jak wiadomo nie każdy rozkład da radę się wyciągnąć oraz nie każdy pomiar da radę się doprowadzić do rozkłady choć trochę przypominający rozkład normalny. Oczywiście analiza równań strukturalnych ma swoje zalety, są inne świetne metody analizy danych które dobrze radzą sobie z podsumowaniem ciągu zależności, przyczyn, skutków i efektów mediacyjnych. Niemniej jednak liczba obserwowanych w badaniu jednostek jest bardzo cenna. Wraz ze wzrostem ilości zmiennych oraz skomplikowania modelu wzrastają jego wymagania co do potrzebnej ilości przebadanych obserwacji (bez braków danych). Statystyczna analiza jaką jest analiza modelowania równań strukturalnych jest świetną analizą. Nie ma póki co jeszcze cenniejszej metody mogącej tak dobrze i tak dokładnej opisywać w sposób statystyczny badanego obszaru zainteresowań badawczych. Nawet tych najbardziej skomplikowanych. Bardzo ciekawe jest to, że w zwykłych problemach analizy regresji nie można poradzić sobie z korelacją między zmiennymi. W analizie równań strukturalnych nie jest to żadne ograniczenie. Wystarczy narzucić analizie korelację między skorelowanymi zmiennymi i model strukturalny uwzględnia tę korelację w jednoczesnym wpływie zmiennych niezależnych na zmienne zależne lub kolejne zmienne uwzględniane w modelu statystycznym.
Podsumowując powyższy opis, analiza modelowania równań strukturalnych jest wynalazkiem który spełnia tymczasowo oczekiwania i wymagania badaczy nauk empirycznych. Jest to metoda prosta i kompleksowa. Dzięki swojej prostocie i długiej tradycji staje się w końcu możliwe testowanie skomplikowanych teorii i naukowych modeli.