در ذیل سعی می‌شود هر یک از مراحل به تفضیل شرح داده شود.
الف – مرحله بیان مدل
مدل معادلات ساختاری با بیان مدلی که می‌خواهد تخمین زده شود؛ شروع می‌شود. در ساده‌ترین سطح مدل، یک عبارت آماری درباره روابط میان متغیرها است. این مدلها در زمینه رویکردهای مختلف تحلیلی، اَشکال مختلفی به خود می‌گیرند. برای مثال یک مدل در زمینه همبستگی عموماً روابط غیر جهت‌داری را (دوطرفه) بین دو متغیر نشان می‌دهد. در حالی که رگرسیون چندگانه و تحلیل واریانس مدلهایی را با روابط جهت‌دار بین متغیرها نشان می‌دهد.

این مرحله یکی از مهمترین مراحل موجود درمدل معادلات ساختاری است. زیرا هیچ گونه تحلیلی صورت نمی‌گیرد مگر این که محقق ابتدا مدل خود را بیان کند. گامهای موجود در این مرحله به شرح زیر است :
۱- ساخت یک مدل ساختاری فرضی
بیان یک مدل در واقع ترجمان یک تئوری به یکسری معادلات ساختاری (ریاضی) است. بنابراین بهتر است ابتدا نمودار مسیر را ترسیم کنیم و متغیرهای درون‌زا^[۱۴۱] و برون‌زا^[۱۴۲] و روابط علّی بین این متغیرها را نشان دهیم.
۲- انتخاب شاخصهای مشاهده شده برای متغیرهای مکنون
بعد از مشخص کردن متغیرهای مکنون درون‌زا و برون‌زا در این گام لازم است تا برای متغیرهای مکنون شاخصهای (متغیرهای مشاهده شده) مناسبی انتخاب و به آنها وصل شود بهتر است از چندین شاخص به جای یک شاخص برای اندازه‌گیری متغیر مکنون استفاده شود که این کار براساس تعریف مفهومی و تعریف عملیاتی صورت می‌گیرد.
بنابر این در پژوهش حاضر شاخصهای معنی داری ، شایستگی،حق انتخاب،موثر بودن،اعتماد به دیگران ساختار سازمانی، فرهنگ سازمانی، استراتژی، چشم انداز به عنوان شاخصهای مشاهده شده در نظر گرفته می شود.
۳- ارزیابی حالت تعین^[۱۴۳] مدل
قبل از مرحله تخمین و بعد از مرحله بیان حتماً می‌بایستی حالت تعین مدل مورد ارزیابی قرار گیرد. (لاوی ۱۹۸۸)
تعین یک مدل مستلزم مطالعه شرایطی برای بدست آوردن یک راه حل منحصر به فرد برای پارامترهای بیان شده در یک مدل می‌باشد.
ب – مرحله دوم تخمین مدل
هنگامی که یک مدل بیان شد و حالت تعین آن مورد ارزیابی قرار گرفت کار بعدی بدست آوردن تخمین‌های پارامترهای آزاد از روی مجموعه‌ای از داده‌های مشاهده شده است.
این مرحله شامل یکسری فرآیندهای تکراری است که در هر تکرار یک ماتریس کوواریانس ضمنی^[۱۴۴] ساخته می‌شود و با ماتریس کوواریانس داده‌های مشاهده شده مقایسه می‌گردد.
مقایسه این دو ماتریس منجر به تولید یک ماتریس باقیمانده^[۱۴۵] می‌شود و این تکرارها تا جایی ادامه می‌یابد که این ماتریس باقیمانده به حداقل ممکن برسد.
یعنی : Data = Model + Residual
گامهای موجود در این مرحله به شرح زیر است :
۱- جمع‌ آوری داده‌ها
در این مرحله انتخاب اندازه نمونه مهم است. زیرا بسیاری از روش های تخمین موجود در مدل معادلات ساختاری و شاخصهای ارزیابی متناسب بودن مدل نسبت به اندازه نمونه حساس است.
بنتلر^[۱۴۶] پیشنهاد نموده که همواره نسبت ۱۰ به ۱ بین اندازه نمونه و تعداد پارامترهای آزاد که می‌بایستی تخمین زده شود وجود داشته باشد.بنابر این در پژوهش حاضر با توجه به پارامترهای آزاد از یک نمونه ۲۲۰ تایی استفاده گردیده است، تا برآورد مدل با کمترین میزان خطا صورت پذیرد.
۲- ساخت ماتریس واریانس – کوواریانس متغیرهای اندازه‌گیری شده
بعد از بیان مدل و جمع‌ آوری داده‌ها تخمین مدل با مجموعه‌ای از روابط شناخته شده بین متغیرهای اندازه‌گیری شده شروع می‌شود. این روابط در ماتریسی به نام ماتریس کوواریانس – واریانس یا ماتریس همبستگی مرتب می‌شود.
۳- ایجاد یک سری ماتریس برای برنامه لیزرل و اجرای آن
در یک تخمین همزمان، به علت این که تخمین مدل ساختاری و مدل اندازه‌گیری به طور همزمان صورت می‌گیرد؛ ممکن است یک راه حل برای پارامترهای مدل ساختاری و مدل اندازه‌گیری به هم وابسته شوند.بنابراین بهتر است برای جلوگیری از ابهامات تفسیری متغیرهای مکنون، ابتدا مدل اندازه‌گیری و سپس مدل ساختاری تخمین زده شود.
ج – ارزیابی تناسب^[۱۴۷] یا برازش
یک مدل وقتی گفته می‌شود که با یکسری داده‌های مشاهده شده تناسب دارد که ماتریس کوواریانس ضمنی مدل با ماتریس کوواریانس داده‌های مشاهده شده، معادل شده باشد. بدین معنی که ماتریس نزدیک صفر باشد.
گامهای موجود در این مرحله به شرح زیر است :
۱- بررسی معیار کلی تناسب مدل و قابلیت آزمون پذیری مدل و ارزیابی موضوع که آیا اصلاحات مورد نیاز است یا خیر؟
هنگامی که یک مدلی تخمین زده می‌شود برنامه نرم افزاری یکسری آمارهایی از قبیل خطای استاندارد، T – Value و غیره را درباره ارزیابی تناسب مدل با داده‌ها منتشر می‌کند.
اگر مدل قابل آزمون باشد ولی با داده‌ها به طور مناسب تناسب نداشته باشد شاخصهای اصلاحی^[۱۴۸] که یک وسیله معتبر برای ارزیابی تغییرات مورد نظر در بیان مدل هستند به کار گرفته می‌شوند؛ تا مدل متناسب با داده‌ها شوند. (
مهمترین شاخص تناسب مدل آزمون است ولی به خاطر این که آزمون تحت شرایط خاصی عمل می‌کند و همیشه این شرایط محقق نمی‌شود لذا یکسری شاخصهای ثانویه‌ای نیز ارائه می‌گردد.مهمترین این شاخصها عبارتند از : GFI^[149]، AGFI^[150]، RMSR^[151]
حالتهای بهینه برای این آزمونها به شرح زیر است :

1. 1. آزمون هر چه کمتر باشد بهتر است، زیرا این آزمون اختلاف بین داده و مدل را نشان می‌دهد.

1. 1. آزمون GFI و AGFI از ۹۰ درصد بایستی بیشتر باشد.

1. 1. آزمون RMSR هر چه کمتر باشد بهتر است؛ زیرا این آزمون یک معیار برای میانگین اختلاف بین داده‌های مشاهده شده و داده‌های مدل است. (Lavee, 1988)

د – اصلاح مدل
یکی از مهمترین جنبه‌های بحث انگیز مدل معادلات ساختاری اصلاح مدل است.
اصلاح مدل مستلزم تطبیق کردن یک مدل بیان شده و تخمین زده شده است که این کار از طریق آزاد کردن پارامترهایی که قبلاً ثابت بوده‌اند و یا ثابت کردن پارامترهایی که قبل از آن آزاد بوده‌اند صورت می‌گیرد.
این مرحله را می‌توان با مقایسه‌های تبعی یا Post Hoc در ANOVA قیاس کرد.
مهمترین گام موجود در این مرحله به شرح زیر است :
۱- اگر اصلاحاتی موردنیاز باشد مشخصات مدل (پارامترها) را ارزیابی کنید و مشخصات جدیدی را وارد کنید. اصلاحات این مرحله شامل شناسایی محدودیتها و اضافه کردن پارامترهای اضافی است.
ه‍ – تفسیر مدل
اگر آزمونهای تناسب نشان دهند که مدل به طور کافی متناسب با داده‌ها می‌باشد دراین مرحله ما بر روی عوامل مشخص شده (پارامترهای مدل) مدل متناسب شده تمرکز می‌نمائیم.
در این مرحله، معناداری پارامترهای مدل مورد ارزیابی قرار می‌گیرد.
آزمونها و مقایسه تخمین پارامترها و همچنین نمایش آنها مستلزم تخمین‌های استاندارد شده‌ای^[۱۵۲] است. به همین دلیل در این مرحله تخمین‌های غیراستاندارد را که عمدتاً به مقیاس^[۱۵۳] خود وابسته هستند را به تخمینهای استاندارد شده‌ای که وابسته به مقیاس خود نیستند؛ تبدیل می‌کنیم و این کار تا حدودی برازش و پارامترهای مدل را تحت تأثیر قرار می‌دهد.
این مرحله از مدل معادلات ساختاری دقیقاً شبیه استانداردکردن ضرایب رگرسیون ( استاندارد) در آمار می‌باشد.