在研究可观测变量与潜变量的关系和潜变量之间的内部关系时结构方程模型是非常适用的，并且结构方程模型有很好的扩展性，在广泛的研究中便于实用。我们对结构方程模型中的结构方程加入了协变量，因为协变量是一个独立的，在实验的设计中，不为实验者所操纵，但仍影响实验结果的变量，所以考虑协变量是很重要的;其次我们再考虑模型中的观测数据与协变量均带有不可忽略缺失数据，因为在实际研究中，对不可忽略的缺失数据的处理直接影响统计分析的结果，所以考虑对缺失数据的处理也是很重要的;进而在研究潜变量之间的线性和非线性两种关系时，它们之间的非线性关系对于建立更有意义和正确的模型是很关键的。所以本篇论文主要研究协变量带有不可忽略缺失数据的非线性结构方程模型，适用于心理学、行为科学、生物学等学科。　　 由于模型中含有不可忽略缺失数据与协变量和潜变量之间的非线性性，导致模型的复杂性，所以我们采用Lee and Tang(2006a，b，c)[21][22][23]中的方法，建立缺失数据机制模型-(Logistic)回归模型来处理不可忽略的缺失数据，再使用Bayes方法来估计参数，在处理联合概率密度函数多重积分的复杂性问题时，我们采用Gibbs抽样从后验分布中抽取样本的随机观测序列，由于部分后验分布不是常见的，标准的分布，所以使用了MH算法抽取随机观测序列，在通过此观测序列得到参数的估计值。最后，进行模拟研究并且模拟研究的结果说明了此方法的可行性。