広島大学大学院教育学研究科 中村大輝 様
「構造方程式モデリングの話（初級編）」
https://www.slideshare.net/DaikiNakamura/ss-152713829
スライドシェアからの抜粋です。（番号はスライド番号）
2. SEMのアプローチ
①複数の変数間の関連性について、特定の仮説モデルを設定
変数間にどのような因果関係や相関関係があるかという理論的な仮説を表現したモデル。
パス図という図で視覚的に表現する。
② その仮説モデルの妥当性を検証
適合度という概念で検証する。
適合度とは、解析に使用したデータと、 仮定されたモデルの間の一致度を意味する。
③ モデルが正しいとした場合の変数間の定量的な関連性を推定
パス係数（パラメータ推定値）と呼ばれる値で表現。
仮定したモデルのもとでの変数間の因果関係や相関関係の強さに関する推定値を意味する。
3. パス図
＜外生変数＞（独立変数）：どの変数からも単方向の矢印を受けない変数
＜内生変数＞（従属変数）：１つ以上の変数から単方向の矢印を受ける変数
5. 構造モデルと測定モデル
＜構造モデル＞
複数の概念感の因果関係に関する仮説を表すもの。
仮説は先行研究の知見や理論的な検討によって先験的に設定される必要がある。
＜測定モデル＞
直接観測できない構成概念を、潜在変数（因子）として観測変数を通して定量化するもの。
＜フルSEMモデル＞
構造モデルと測定モデルを組み合わせたもの。
［算出法］
データに基づく共分散行列とモデルに基づく共分散行列の理論式の相違を出来るだけ小さくするようパス係数を定める。（最尤法がよく使われる）
以上は、中村大輝様学習会のスライドで、分かりやすいものとなっています。
他のサイトでは、
京都大学大学院教育学研究科長 楠見 孝 様
「構造方程式モデリングの基礎」
http://cogpsy.educ.kyoto-u.ac.jp/personal/Kusumi/datasem09/090708.pdf
明快な解説で、Amosを用いた実装があります。