Для создания моделей и их анализа существует специальное программное обеспечение, среди которого наиболее популярны: AMOS на базе SPSS, EQS, Lisrel, Mplus, SAS, Statistica, а также свободно распространяемые программы работающие на базе среды R: Lavaan и OpenMx.

Далее приведем пример структурной модели, полученной авторами статьи в рамках психолого-педагогического исследования на тему: «Взаимосвязь конфликтности спортсменов и стажа их деятельности». Цель экспериментальной работы заключалась в выявлении связи между показателями конфликтности спортсменов их возрастом, разрядом и стажем спортивной деятельности. В исследовании принимало участие 198 спортсменов-легкоатлетов различной категории.

В результате эксплораторного факторного анализа (методом главных компонент) шкал «возраст» (извлеченная общность – 0.728), «стаж» (0.822), «разряд» (0.144), «соперничество» (0.656), «агрессивность» (0.470) и «конфликтность» (0.478) было выделено два фактора: первый фактор объяснял 28% дисперсии, второй фактор – 27% дисперсии переменных. Остальные извлеченные факторы имели собственные значения ниже единицы. После варимакс-вращения (см. табл.1) первый фактор стал иметь максимальные нагрузки по переменным «возраст» и «стаж», а второй фактор по переменным «соперничество», «агрессивность» и «конфликтность». Первый фактор интерпретировался как «спортивный опыт», а второй фактор – «спортивное соперничество».

 Таблица 1. Матрица компонент после варимакс-вращения

Факторы представлены в виде комбинаций: F1 – «Спортивный опыт» = 0.903 · «Стаж» + 0.848 · «Возраст»; F2 – «Спортивное соперничество» = 0.808 · «Соперничество» + 0.688 · «Конфликтность» + 0.683 · «Агрессивность».

Связи между наблюдаемыми переменными и факторами представили графически в виде диаграммы путей с помощью инструментов модуля AMOS (см. рис.1). В модель не вошла переменная «стаж» имеющая низкую общность  с извлеченными факторами и возможно имеющая связь с другими переменными, не учтенными в исследовании.

Рис.1. Предполагаемая измеряемая модель связи «спортивного соперничества» и «спортивного опыта»

Оценка соответствующей факторной структуры производилась методом максимального правдоподобия с помощью AMOS SPSS 18.0.

χ² = 0.104, p = 0.981; GFI = 0.998; RMSEA = 0.000.

Рис.2. Расчетная модель «спортивного соперничества» и «спортивного опыта»

В нашем случае (см. рис.2) показатель χ² = 0.104 (p = 0.981) статистически не значим, что указывает на хорошую согласованность модели с данными. Показатели GFI = 0.998 > 0.95 и RMSEA = 0.000 < 0.1. Таким образом, предложенная факторная модель обеспечивает хорошее согласие с экспериментальными данными.

Несмотря все на достоинства метода структурного моделирования: наглядность; возможность работы с данными, не соответствующими нормальному распределению, с пропущенными данными; возможность допущений о связях между ошибками; возможность модификации модели до наилучшего соответствия данных предложенной исследователем теоретической модели следует учитывать ряд описанных Е. Л. Григоренко [18] предостережений. Прежде всего, это: учет причинно-следственных связей, являющихся следствием теоретических представлений исследователя; качество собираемых данных; необходимость большой выборки в исследовании; дальнейшая возможность содержательной интерпретации результатов моделирования.