Este artículo revisa varios aspectos de implementación en la estimación de modelos de ecuaciones estructurales (SEM) regularizados de un solo grupo y de múltiples grupos. Se demuestra que enfoques de estimación aproximada que se basan en una aproximación diferenciable de funciones de penalización no diferenciables funcionan de manera similar al enfoque de optimización de descenso de coordenadas de SEM regularizados. Además, el uso de un parámetro de regularización fijo a veces puede ser superior a un parámetro de regularización óptimo seleccionado por el criterio de información bayesiano cuando se trata de la estimación de parámetros estructurales. Además, se compararon las funciones de penalización generalizadas de SEM regularizados implementadas en varios paquetes de R con la estimación basada en una función de penalización recientemente propuesta en el software Mplus. Finalmente, también investigamos el rendimiento de una sustitución inteligente de la función de optimización en SEM regularizados con una aproximación diferenciable suavizada del criterio de información bayesiano propuesta por O"Neill y Burke en 2023. Los hallazgos se derivaron a través de dos estudios de simulación y tienen como objetivo guiar la implementación práctica de SEM regularizados en futuros programas informáticos.