LISREL ( Linear Structural Relations )是由K.G. Joreskog & D. Sorbom所发展的结构方程模型( Structural Equation Modeling )软件。LISREL被公认为非常专业的结构方程模块( Structural Equation Modeling, 简称 SEM 分析工具，其权威性不容其它类似软件取代。

目前几乎可在各平台执行包含Windows, Mac OS 9 X, Solaris, AIX, RISC ,OpenVMS , Linux等。LISREL的内容包含多层次分析( multilevel analysis ),二阶最小平方估测( two-stage least-squares estimation ),主成份分析( principal component analysis )等等。

通过运用路径图 (Path Diagram，又称通径图)直观地构造结构模型是LISREL的一个重要特点。在LISREL中，新增了多层次分析(Multilevel Modeling) 、广义线性模型 (Generalized Linear Regression, 又称通用线性模型)。

在过去的四十五年中，LISREL模型、方法和软件已成为结构方程模型（SEM）的同义词。SEM使社会科学、管理科学、行为科学、生物科学、教育科学等领域的研究人员对他们的理论进行了实证评估。这些理论通常归结为两种理论模型，可观测变量和不可观测变量。如果为理论模型的观测变量收集数据，那么LISREL可以用来将模型拟合为数据。

LISREL不仅能处理结构方程模型，还能用于其他统计应用中：

LISREL:结构方程模型

PRELIS：数据处理与基本统计分析

MULTILEV：分层线性和非线性建模

SURVEYGLIM：广义线性模型

MAPGLIM：多级数据的广义线性建模

• 标准结构方程模型

• 多级结构方程模型

• 分类和连续变量的完整和不完整的复杂调查数据

• 分类变量和连续变量的完全不完全随机样本数据

• 数据处理

• 数据转换

• 数据生成

• 计算矩阵

•  计算样本矩的渐近协方差矩阵

•  归责的匹配

•  多重估算

•  多元线性回归分析

•   Logistic回归

•  单变量多元删失回归

•   ML和MINRES探索性因子分析

MULTILEV拟合简单随机和复杂调查设计中的多级线性和非线性模型到多级数据。它允许具有连续和明确的响应变量的模型。

SURVEYGLIM拟合简单随机和复杂调查设计中的广义线性模型（GLIMs）到数据中。可用的抽样分布模型如下：

•  Multinomial

•  Bernoulli

•  Binomial

•  Negative Binomial

•  Poisson

•  Normal

•  Gamma

•  Inverse Gaussian

MAPGLIM执行 Maximum A Priori (MAP)法来拟合广义线性模型到多级数据中。

LISREL软件只适用于Windows操作系统。

主要有下列几点：

（1）可以分析完整 data 和不完整 data 时的 Multilevel Structural Equation Model ，以及非线性 Multilevel Model ( Two-level nonlinear regression models ) ，技术明显领先其它同类软件。

（2）唯一提供 Efficient Full Information Maximum Likelihood ( FIML ) 方法处理 SEM 中 missing data 的问题，模型解释力最强。分析的样本大小和变量个数的多寡完全不受限制，提供最大的数据处理能力。

（3）提供最具说服力的验证性因素分析 ( Confirmatory Factor Analysis; CFA ) 和探索性因素分析 ( Exploratory Data Analysis; EFA ) 报告。并利用 Formal Inference-based Recursive Modeling ( FIRM ) 方法检测类别变量和连续变量间的复杂统计关系。

由于LISREL在探讨多变项因果关系上的强力优势，使得LISREL在社会学研究上似乎有愈来愈受重视的趋势，LISREL系属于「结构等式模式( structural equation modeling，SEM )」家族的一员，因此LISREL的最大能耐亦在于探讨多变项或单变项之间的因果关系。SEM一族的成员包含「共变量结构分析( covariance structure analysis )」、「潜在变项分析( latent variable analysis )」、「验证性因素分析( comfirmatory factor analysis )」、以及「LISREL分析( LISREL analysis )」等等，SEM结合了多元回归与因素分析，可以同时分析一堆互为关连之依变项间的关系。

SEM之使用步骤如下：

（1）发展研究者之理论基础模式。

（2）建构变项间之因果关系的径路图。

（3）将径路图转化为一套结构等式，并指定其测量模式。

（4）选择输入矩阵类型( 相关矩阵或变异数－共变量矩阵 )，并对研究者假设之理论模式进行测量与验证。