Dalam model reflektif, blok variabel manifes yang terkait dengan variabel
laten diasumsikan mengukur indikator yang memanifestasikan konstrak.
Indikator dilihat sebagai efek dari variabel laten yang dapat diamati secara
empirik. Misalnya konstrak kegigihan (hardiness) yang dimanifestasikan oleh
indikator komitmen, tantangan dan kontrol yang bersifat empirik karena nilainya
bisa kita ketahui melalui skor skala kegigihan.
Untuk model pengukuran reflektif, indikator terkait dengan variabel laten
yang sama harus memiliki varians bersama (covary). Ketiga indikator kegigihan
komitmen, tantangan dan kontrol, seperti contoh di atas, harus memiliki
keterkaitan yang ditunjukkan dengan nilai kovarians. Kovarians menunjukkan
adanya varians bersama yang dijelaskan ketiga indikator tersebut, yang
dinamakan dengan konstrak kegigihan.
Pada model reflektif, konsistensi internal harus diperiksa yang
mengasumsikan bahwa tiap indikator bersifat homogen dan unidimensional.
Koefisien alpha dan analisis faktor menunjukkan hal tersebut.
Dalam model formatif, setiap indikator empirik merepresentasikan
indikator yang dapat tidak homogen dan tidak unidimensional. Semua indikator
membentuk kombinasi persamaan regresi dalam menjelaskan konstrak latennya.
Semua indikator tidak harus memiliki varians bersama (kovarians) sehingga
mengeliminasi satu indikator tidak mengubah peranan indikator lainnya.
Contohnya dalam pengukuran stres kehidupan (life events stresor)
memuat indikator stres berupa stres finansial, pekerjaan, interpersonal dan
kesehatan. Keempat indikator ini membentuk stres individu. Masing-masing
indikator stres tidak terkait dengan yang lain. Semakin tinggi skor masing-
masing indikator stres, semakin tinggi stres kehidupan yang dialami oleh
individu.
Model pengukuran reflektif diakomodasi oleh software SEM seperti
LISREL, AMOS, MPLUS atau EQS. Software-software ini menggunakan bahan
analisis berupa kovarians. Di sisi lain, model pengukuran formatif diakomodasi
oleh program yang mengaplikasikan PLS (partial least square) seperti VisualPLS
atau SmartPLS yang menggunakan bahan analisis berupa varians. Dibandingkan
dengan analisis biasanya, PLS tidak banyak menuntut asumsi karena tidak
menggunakan estimasi maximum likelihood.