结构方程模型（SEM）是同时建立潜变量的测量关系和变量之间结构关系的多变量统计建模方法。SEM通常包括两个相互连接的部分。（1）测量模型描述潜变量与观测变量之间的关系，例如用若干量表题项测量信任；这部分与验证性因子分析相对应。（2）结构模型描述变量之间的关系，例如信任如何进一步影响使用意愿或任务绩效；这部分与路径分析相对应。
SEM将验证性因子分析与路径分析结合在同一个模型中，SEM特别适合研究包含多个潜变量以及直接效应、间接效应等复杂关系的问题。与直接把量表总分作为观测变量进行路径分析相比，SEM可以显式建立潜变量与多个测量题项之间的关系，从而把测量误差纳入模型。由于模型通常同时估计较多参数，其对样本量、测量质量和理论依据的要求也高于普通的多元线性回归或简单的路径分析。