– eksplorativ faktoranalyse (EFA)
– konfirmatorisk faktoranalyse (CFA)
– psykometri
– structural equation modeling (SEM)
– latent klasseanalyse
– longitudinelle modeller
– netværksanalyse

Eksplorativ faktoranalyse (EFA)
Undersøgelse af om en række variable (testitems) hænger indbyrdes sammen i grupper, faktorer.
Principal Component analyse (PCA) bliver tit nævnt som eksempel, men er ikke faktoranalyse, blot datareduktion

Konfirmatorisk faktoranalyse (CFA)
EFA bliver tit misbrugt til at gentage undersøgelser, hvor CFA burde bruges.
Hvor EFA svarer til at tegne et kort over et ukendt område, svarer CFA til at checke og justere kortet.
CFA giver to parametre til hver indikator (f.eks. testspørgsmål): hældning (hvor stærkt hænger spørgsmålet sammen med den egenskab det skal måle) og intercept (hvor meget af den målte egenskab skal personen have for at have høj sandsynlighed for at svare positivt på spørgsmålet).

Psykometri
er metoder til at måle psykologiske egenskaber.
Klassisk testteori beskriver reliabilitet og validitet som basis for psykometri.
Med CFA kan psykometri forbedres, herunder gøre det muligt at undersøge målingsinvarians (om testen fungerer ens for forskellige grupper og på forskellige tidspunkter).

Structural equation modeling (SEM)
Undersøgelse af psykologiske modeller, relationen mellem forskellige begreber, ved hjælp af CFA. Ved anvendelse af SEM undgås den måleusikkerhed som forringer størrelsen af effekter (attenuation), således at faktiske lovmæssigheder i mange tilfælde viser sig at være større – og evt signifikante.
En fordel ved SEM er at man kan inkludere målingsmodellen (CFA) i den samlede SEM, og undgå først at skulle beregne faktorscores, hvilket både er mere arbejdskrævende og i indebærer måleusikkerhed.

Latent klasseanalyse
er en metode til at undersøge om en gruppe undersøgte personer falder i adskilte klasser, som f.eks. kan beskrives med diagnoser.

Longitudinelle modeller
Ved hjælp af latent variabelstatistik kan man anvende growth modeling som består i at opfatte startmåling og ændringen over tid som latente variable. Man kan også anvende differens score modeller, hvor udgangspunkt, senere målinger og differenserne defineres som latente variable.

Netværksanalyse
kan bruges til at undersøge hvorledes målinger (testspørgsmål) kan opfattes som netværk.