En modelado de ecuaciones estructurales, una función de discrepancia es una función matemática que describe cuán estrechamente un modelo estructural se ajusta a un dato observado; es una medida de bondad de ajuste.
Valores más grandes de la función de discrepancia indican un pobre ajuste del modelo a los datos.
Los conceptos análogos en estadística se conocen como bondad de ajuste o distancia estadística, e inclujen tanto desviación como divergencia.
Hay varios tipos básicos de funciones de discrepancia, incluyendo: máxima verosimilitud (MV, en inglés maximum likelihood (ML), mínimos cuadrados generalizados (MCG, en inglés generalized least squares, GLS), y mínimos cuadrados ordinarios (MCO, en inglés ordinary least squares, OLS), los cuales están considerados las funciones de discrepancia clásicas .
[1] Las funciones de discrepancia cumplen todas los siguientes criterios básicos: Para que la "máxima verosimilitud" verifique el primer criterio, se utiliza en una forma revisada como desviación.