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(structuralequationmodeling，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(covariancestructureanalysis)」、「潜在变项分析(latentvariableanalysis)」、「验证性因素分析(comfirmatoryfactoranalysis)」、以及「LISREL分析(LISRELanalysis)」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。
LISREL模型，方法和软件已经变成结构方程模型(SEM)的代名词。SEM允许处于社会科学，管理科学，行为科学，生物学，教育学和其它领域的研究者以经验来评估他们的理论。这些理论通常能够结合外显变量和潜变量(无法直接观察的变量)以公式来表示出模型，如果数据是作为理论模型的观察变量来收集的，那么LISREL程序就能够结合这些数据来拟合出模型。
然而今天，LISREL软件已经不仅仅限于SEM。最新版本的LISREL包含下列统计应用程序：
LISREL用于结构方程建模(32位应用程序)
PRELIS用于数据处理和基本统计分析(32位应用程序)
MULTILEV用于分层线性和非线性建模
SURVEYGLIM用¤于广义线性建模
CATFIRM用于类别响应变量的形成的基于推理的递归建模(FIRM)
CONFIRM用于连续响应变量的形成的基于推理的递归建模(FIRM)
MAPGLIM用于多层数据的广义线性建模
LISREL用于：
标准结构方程建模
多层结构方程建模
这些方法适用下列数据类型：
基于连续变量的完整的和不完整的复杂调查数据
基于序数和连续变量的完整的和不完整的简单随机样本数据
PRELIS用于：
数据处理
数据转换
数据生成
计算动差矩阵(moment matrix)
计算样本动差的渐进协方差矩阵
匹配计算
复线性回归
Logistic回归
单变量和多元变量的归并回归模型
ML和MINRES探索性因子分析
MULTILEV： 可从通过简单随机和〗复杂调查设计得到的多层数据中拟合出多层线性和非线性模型，它允许模型带有类别和连续响应变量。
SURVEYGLIM 可从通过简单随机和◎复杂调查设计得到的数据中拟合广义线性模型(GLIMs)。
模型可以来自下列样本分布：
多项式＠ 分布
伯努利分布
二项式分布
负二项式分布
泊松分布
正态分布
伽马分布
反高斯分布
CATFIRM 执行类别输出变量的正式的基于推理的递归建模(FIRM)
CONFIRM 执行连续输出变量的正式的基于推理的递归建模(FIRM)
MAPGLIM 执行最大因果(MAP)方法来拟合多层数据的广义线性模型
LISREL完全兼容Windows，MacOS9X，Solaris，AIX，RISC，OpenVMS，Linux。
