Достаточно часто латентные измерения выполняют в проекте подчиненную роль, обеспечивая возможности выявления причинных отношений между анализируемыми явлениями или объекта изучения и окружающей среды. Обычно считается, что латентная переменная обеспечивает взаимосвязь между наблюдаемыми переменными. Она не имеет явно наблюдаемых значений [König, Marbach, Osnabrügge, 2013, p. 468–491; Oberski, 2014, p. 45–60].

Традиционно поиск латентной переменной опирается на исследование моделей классической теории тестов, многомерного шкалирования, факторного анализа (учитываются и одно-, и двух-, и многофакторные варианты; наиболее используемым остается метод главных компонент), IRT (Item Response theory) и латентно-структурного анализа. Эти модели последовательно разрабатывались с конца XIX в. до середины XX в., однако стали применяться массово учеными в эмпирическом анализе политических процессов только во второй половине прошедшего столетия.

Одним из адекватных инструментов решения аналитической задачи поиска латентной переменной может выступать более современное моделирование на основе структурных уравнений (МСУ) с латентными переменными – путевой анализ (path analysis, причинный анализ), первоначально применявшийся в области эконометрии и постепенно начинающий использоваться в исследованиях политических процессов. В МСУ достаточно часто используется метод максимального правдоподобия (ММП) с полной информацией, но ситуации, когда исследователи вынуждены прибегать к алгоритмам оценки с использованием ограниченной информации, требуют от них обращения к «тестам спецификации, основанным на двухшаговом методе наименьших квадратов, для моделей структурных уравнений с латентными переменными, разработанных Болленом» (метод оценки 2 МНК) [Кирби, Боллен, 2012, с. 132]. Для оценки качества модели традиционно используется метод Монте-Карло. МСУ реализуется с помощью пакета LISREL (разработчики К. Йериског, Д. Сербом). Возможности использования имитационной модели содержатся в программном обеспечении EQS 5.0.

Определенный интерес представляет метод структурно-логической типизации, в основе которого лежит многоэтапная кластеризация и процедура выделения «ядер кластеров».

К сожалению, в российских научных публикациях до сих пор крайне редко встречается информация о дискриминантном анализе, который хорошо зарекомендовал себя в процедурах классификации, и возможностях его применения в политическом прогнозировании [Бессокирная, 2009, с. 25–35; Большов, 2009, с. 46–64].

Фрактальный анализ, который активно используется в области естественных наук, а также в экономике в теории управления и анализе финансовых рядов, крайне медленно входит в арсенал российских ученых. Этот вид анализа основан на принципе масштабной инвариантности – неизменности фактуры, свойств, конфигурации изучаемого объекта вне зависимости от степени «приближенности» ученого к нему. Речь идет о нескольких возможных моделях воспроизводства качеств объектов анализа: а) самоподобии, когда структура более высокого уровня строго фиксирует качества объекта более низкого уровня (так называемые регулярные фракталы; например, принцип организации отношений между ветвями власти на региональном и государственном уровнях); б) самоафинности – обобщении преобразований подобия, когда объекты более высокого уровня сохраняют свойства исходных «кирпичиков» явлений, но с несколько измененными свойствами (например, формы проявления политического лоббизма на локальном и федеральном уровнях будут отличаться, хотя природа и сущность этого явления сохраняются). Ученые предупреждают об опасности излишне широкой трактовки «самоподобия» политических объектов разного уровня [Brown, Liebovitch, 2010; Aguilera, Morer, Barandiaran, Bedia, 2013, p. 395–402].