Los modelos de ecuaciones estructurales (SEM) son ampliamente utilizados en las ciencias sociales. Modelan las relaciones entre variables latentes en modelos estructurales, definiendo las variables latentes mediante variables observadas en modelos de medición. Frecuentemente, es de interés comparar parámetros particulares en un SEM como función de una variable de agrupamiento discreta. El SEM de múltiples grupos se emplea para comparar relaciones estructurales entre grupos. En este artículo, se revisan enfoques de estimación para el múltiples grupos. Nos enfocamos en comparar diferentes estrategias de estimación en presencia de errores locales en el modelo. En detalle, se comparan los enfoques de estimación de máxima verosimilitud y mínimos cuadrados ponderados con una nueva función de pérdida robusta propuesta y estimación de máxima verosimilitud regularizada. Estos últimos métodos se denominan estimadores robustos del modelo porque muestran cierta resistencia a los errores del modelo. En particular, nos enfocamos en el rendimiento de los diferentes estimadores en presencia de correlaciones de error residual no modeladas y no invarianza de medición (es decir, intercepciones de ítems específicas del grupo). El rendimiento de los diferentes estimadores se compara en dos estudios de simulación y un ejemplo empírico. Resultó que el enfoque de función de pérdida robusta es computacionalmente mucho menos exigente que la estimación de máxima verosimilitud regularizada, pero arrojó resultados de rendimiento estadístico similares.