2.1 通徑模型（path model）：
通徑模型是由壹組線性方程組成的，反映自變量、中間變量、潛變量和應變量之間相互關系的模型，是以多元線性回歸方程為基礎的模型。
2.2 通徑圖(path graph)：
通徑圖（如圖1）可以直觀的表現各個變量之間的相互關系。通徑圖中的單箭頭線稱為直接通徑（如A到D），簡稱通徑（path），表示因果關系，方向由原因指向結果。雙箭頭線稱為相關線(correlation line)，表示變量間互為因果，是平行關系（如A與B）。
<?xml:namespace prefix = v ns = "urn:schemas-microsoft-com:vml" />
A B C
D
е
圖1 通徑圖
其中е為誤差項。
2.3 外生變量和內生變量：
通徑分析中只受到模型之外的其他因素影響的變量稱為外生變量，如圖1中的A、B、C、е，通徑圖中沒有箭頭指向它們。外生變量之間如果有相關關系，則用雙箭頭線表示。
通徑分析中受到模型中某些變量影響的變量稱為內生變量，如圖1中的D，通徑圖中有朝內的箭頭指向它們。
2.4 通徑系數（path coefficient）：
通徑系數是是用來表示相關變量因果關系的統計量，是標準化的偏回歸系數 ，也稱作通徑權重。通徑系數壹般用最小二乘法法(OLS)或極大似然估計法(MLE) 來估計?
<?xml:namespace prefix = st1 ns = "urn:schemas-microsoft-com:office:smarttags" />2.4.1 通徑系數的數學表達式
如果我們估計的線性回歸方程為：
= + + （1）
或
= + + +e（e為殘差）（2）
由於 和 帶有量綱，我們不能通過 、 來比較 對 的影響大小。如果要比較 和 對 的影響，需要消除量綱的影響，需要將 、 及e標準化。
由 = + + +e可得：
= + + (3)
公式（2）與公式（3）相減得：
- = - ）+ （ - ）+e （4）
公式（4）可變換為下式：
= · + · + ·e （5）
公式（5）中 、 、 、 分別表示 、 及e的標準差。 和 分別為自變量 、 的標準化偏回歸系數。 為除了自變量以外的其他因素對應變量 的影響大小。如果我們以 、 、和 分別表示 、 和e到 的通徑系數，那麽:
= , = , =
當我們估計的線性回歸方程有多個自變量，且自變量間兩兩相關時，各自變量及殘差到應變量的通徑系數的數學表達式同上。
2.4.2 通徑系數的性質：
（1）通徑系數具有偏回歸系數的性質。它是變量標準化後的偏回歸系數，能夠表示變量間的因果關系，故仍具有偏回歸系數的性質。
（2）通徑系數具有相關系數的性質。它是壹個不帶單位的相對數，因而又具有相關系數的性質，是具有方向性的相關系數，能表示原因與結果（自變量與依變量）之間的關系，它是介於回歸系數和相關系數之間的壹種統計量，可用於各種性狀間的相關分析。
（3）通徑系數是壹個不帶單位的相對數。可以用它來估計自變量對應變量直接影響效應的大小，比較其相對重要性。
（4）利用通徑系數分析，可以幫助我們建立“最優”多元回歸方程。
2.5 決定系數（Determination coefficient）
通徑系數的平方稱為決定系數，表示自變量或誤差能夠解釋應變量總變異的程度。
3 通徑分析的顯著性檢驗
通徑分析的顯著性檢驗包括以下四項：
（1） 回歸方程顯著性檢驗：采用F檢驗法；
（2） 通徑系數顯著性檢驗：采用F檢驗法或T檢驗法；
（3） 通徑系數差異顯著性檢驗：采用F檢驗法或T檢驗法；
（4） 兩次通徑分析相應通徑系數顯著性檢驗：采用F檢驗法或t檢驗法。
壹般情況下，第（3）種檢驗和第（4）種檢驗在壹般的多元線性回歸分析中無法實現，因為不同偏回歸系數帶有不同量綱，但是在通徑分析中，這兩種檢驗可以實現。