Umum mengetahui bahawa, proses pembinaan sesuatu analisis statistik itu mengambil masa yang sangat lama. Setiap waktu akan ada penemuan baru atau analisis yang lebih baik daripada sebelum ini. Sebagai contoh, analisis regresi (regression analysis) merupakan analisa generasi pertama. Analisis generasi kedua (Second generation technique) atau lebih terkini adalah analisa structural equation modeling. Terkini dalam kajian, adalah bayesian covariance based structural equation modeling mungkin antara calon pelapis bagi generasi ketiga pada masa akan datang.
Sementara itu, statistik regresi atau regression statistics yang juga merupakan generasi pertama, dan tidak mempunyai kemampuan untuk mengakses atau memperbetulkan ralat pengukuran (measurement error) yang berlaku. Seterusnya, regresi atau regression (multiple regression etc) hanya mampu untuk melakukan kiraan sehingga ke tahap observed variable sahaja. Berbeza dengan generasi kedua yang mampu melakukan analisa atau analisis sehingga ke peringkat unobserved (latent) dan observed variable.
Secara umumnya, terdapat dua jenis structural equation modeling iaitu covariance based structural equation modeling (cbsem) dan partial least square structural equation modeling (pls sem). Kedua - dua mempunyai kekuatan dan kelemahannya tersendiri. Kedua - duanya juga mempunyai syarat tersendiri jika mahu digunakan untuk menganalisa sesuatu data dan mencapai objektif sesuatu kajian. Pelanggaran kepada syarat - syarat tersebut akan menyebabkan sesuatu keputusan analisa itu boleh dipersoalkan atau dianggap tidak sah sama sekali.
Antara, tujuan utama covariance based SEM adalah untuk menghasilkan semula teoritikal kovarian matriks tanpa memberi penekanan pada varians yang diterangkan (explained variance). Manakala partial least square SEM adalah untuk memaksimumkan varians yang diterangkan (explained variance) oleh konstruk endogenous (pembolehubah bersandar / dependent variable).
Contoh - contoh perisian bagi analisa melibatkan cb sem adalah perisian seperti Lisrel , Mplus, Eqs, Sepath, lavaan dan IBM Spss Amos. Selain itu, bagi analisa melibatkan pls sem pula, perisian yang berkaitan adalah seperti Smartpls, pls graph, xl-stat, adanco, warppls, spad pls, visual pls, pls gui, dan gesca.
Walau bagaimanapun, perisian yang utama digunakan oleh kebanyakkan pengkaji - pengkaji adalah Ibm Spss Amos bagi analisa cb sem dan Smartpls bagi analisa pls sem.