Menurut Wijanto (2008: 37), secara garis besar ada 3 kategori dalam persamaan secara simultan, yaitu (1) Under-identified model Adalah model dengan jumlah parameter yang diestimasi lebih besar dari jumlah data yang diketahui (data tersebut merupakan varians dan kovarians dari variabel-variabel yang teramati). (2) Just-identified model Adalah model dengan jumlah parameter yang diestimasi sama dengan jumlah data yang diketahui. 30 (3) Over-identified model Adalah model dengan jumlah parameter yang diestimasi lebih kecil dari jumlah data yang diketahui. Besarnya degree of freedom (df) pada SEM adalah besarnya jumlah data yang diketahui dikurangi jumlah parameter yang diestimasi yang nilainya kurang dari nol (df = (jumlah data yang diketahui – jumlah parameter yang diestimasi) < 0). Cara melihat ada tidaknya problem identifikasi adalah dengan melihat hasil estimasi yang meliputi (1) adanya nilai standart error yang besar untuk 1 atau lebih koefisien; (2) ketidakmampuan program untuk invert information matrix; (3) nilai estimasi yang tidak mungkin error variance yang negatif; dan (4) adanya nilai korelasi yang tinggi (> 0,90) antar koefisien estimasi. Jika diketahui ada problem identifikasi maka ada tiga hal yang harus dilihat (1) besarnya jumlah koefisien yang diestimasi relatif terhadap jumlah kovarian atau korelasi, yang diindikasikan dengan nilai degree of freedom yang kecil; (2) digunakannya pengaruh timbal balik atau respirokal antar konstruk (model non recursive); atau (3) kegagalan dalam menetapkan nilai tetap (fix) pada skala konstruk.