在社会科学以及市场、管理、经济等研究领域，经常会遇到传统的统计方法不好解决的问题，例如处理多个原因与多个结果之间的关系，遇到不可直接观测的潜在变量。20世纪80年代以来，结构方程分析发展十分迅速，对传统统计方法的不足进行了弥补，使其成为多元统计分析的重要工具。结构方程模型(Structural Equation Modeling，SEM)是一门基于统计分析技术的研究方法学，可认为是不同技术和研究方法的综合体，因子分析、路径分析、多元方差分析、典型相关、判别分析、以及多元回归分析都只是SEM的特例。与过去传统的做法相比较，SEM是一套可以将“测量”与“分析”结合为一体的计量研究技术，它具有较多的优势，例如，它可以同时估计模型中的测量指标、潜在变量，可以估计预测过程中指标变量的测量误差，还可以评估测量的信度与效度。本文主要做了一下工作：（1）对常用拟合指数进行比较研究；分析了两种参数估计法的相似点和不同之处；通过模拟研究，根据所得模拟结果-均值（MEAN）以及真实值和相关估计值间的均方根（RMS）得出结论：贝叶斯所估计的精度略优于最大似然法的精度，但是差异不是很明显；当样本的容量增加时，这两种方法的准确性都将提高，两个估计间的差异将减少。（2）研究当添加或删除某因子时，对应的潜变量的因子负荷以及其他不涉及该因子的潜变量的因子负荷是否发生变化。通过研究，得到结论：增添或减少因子负荷的潜变量的因子负荷几乎都发生了变化，而不涉及增添或减少因子负荷的潜变量的因子负荷没有变化。（3）研究初阶因素间的相关值与二阶因子的参数估计是否存在一定的关系。通过研究，得到结论：当初阶因素间的相关值大致相同时，所得的二阶因子的参数估计也大致相同；另外，在初阶因素当中，若某个初阶因素与其他初阶因素的相关相对较大时，这个初阶因素所对应的二阶参数的估计值也相对较大。（4）基于文献《因子分析的自贡旅游游客满意度》，利用结构方程模型对建立的模型进行了进一步的验证，得到的相关数据说明模型的效果较好，并用结构方程图直观地把各种变量间的关系表示出来。在因子分析模型中，认为潜变量是不相关的，而现实生活的经验告诉我们，三个潜变量之间是相互影响的，利用结构方程所得模型能够体现出潜变量之间的相关关系。从这方面来说，建立的结构方程模型更符合实际，相对较好。依据所得模型，我们给出了提高自贡市旅游满意度的一些建议，希望能够为其提供一些有用的参考。