0基础入行，新手该如何学习SEM

学习基础知识

①百度推广官方书籍或教程

所谓万变不离其宗，打好基础是根本，所以先把百度推广官方书籍完整的系统的阅读一遍，对百度竞价有系统的认识，知道百度竞价是什么，能解决哪些问题，账户搭建的基本原则是什么，展现机制等等，合上虎贲或者教程之后，如果你还能知道百度竞价是什么，那说明你知道了百度竞价。

②了解百度全商业产品知识

我们知道SEM的全称是“搜索引擎营销”，所以了解百度其他产品也是很重要的，虽然目前sem主要的研究对象是竞价体系，但是如果想成为一个完整的semer，你不仅仅需要知道百度竞价，你还需要知道其他推广产品。第一可以提升自己的格局，第二可以了解竞争对手的推广产品!

③注册百度竞价账户

有了基础理论知识，那接下来就是需要把理论融入实操了啊，注册一个空的百度凤巢账户，这样可以帮助你了解和深入sem体系。可以自己尝试用自己学到的知识，针对某一个行业，某一个具体的投放需求，搭建一个完整的账户。

深度提升

①学会百度统计或者其他统计工具的安装

账户层级的投放和数据报告，反映了我们在搜索结果页的优化结果，但是对于竞价推广而言，它的作用范围是搜索结果页层级，着陆页层级和咨询转化层级。所以对页面数据的监控就显得尤为重要，可以反应出流量质量如何，页面质量怎么样，服务器性能如何，客户需求点等等信息。

②数据分析(分析流量)

对账户的理论知识和账户操作及功能有了全面的认识之后，那操作账户基本是没有问题了，但是我们操作账户的目的是给企业带来利益，所以你下一步需要学会如何去分析流量，优化流量，在有限的预算内给企业带来更多更好的流量。

③研究营销漏斗模型

sem是一个系统营销过程，必然遵循营销漏斗模型，账户层级的投放和优化只是营销漏斗模型的开端，还需要了解营销漏斗模型在页面阶段与转化阶段的影响因素和相应的数据反馈。

求职

有了上面的理论知识后，对于找工作，基本来说可以实现了，sem的普遍需求较大，企业对sem的认知度不高，所以在没有经验的时候，对薪资不要期望太高，找一个小企业，专职的去实操一下，从头到尾对自己学到的理论知识进行验证和优化，去总结自己的优化方法和行业投放技巧。在实操过程中，不断的去学习和提升，了解竞价本质、数据分析技巧、seo优化基础知识、网站布局和优化技巧等相关知识，进而再去挑选自己适合的工作!

（1）功能很强大

（1）模型回归系数汇总表格

（1）路径影响关系MI-调整影响关系

相关链接：

链接1 ：结构方程模型(Structural Equation Model, SEM) https://zhuanlan.zhihu.com/p/138837728

链接2 ：SPSSAU教程-结构方程模型 SEMhttps://spssau.com/helps/questionnaire/semAnalyse.html

链接3 ：在线spss】数据分析实战教学之结构方程模型-SPSSAU实现 https://www.bilibili.com/video/av69372102

https://www.sohu.com/a/386218186_698752

目前，空间计量经济学研究包括以下四个感兴趣的领域：

计量经济模型中空间效应的确定； 合并了空间影响的模型的估计；空间效应存在的说明、检验和诊断；空间预测。

空间计量经济学模型有多种类型（Anselin，et al. 2004）。 首先介绍纳入了空间效应（空间相关和空间差异）、适用于截面数据的空间常系数回归模型，包括空间滞后模型（Spatial Lag Model，SLM）与空间误差模型（Spatial Error Model，SEM）两种，以及空间变系数回归模型——地理加权回归模型（Geographical Weighted Regression，GWR）。适用于时间序列和截面数据合成的空间面板数据计量经济学模型将在以后予以介绍。

空间滞后模型（Spatial Lag Model，SLM）主要是探讨各变量在一地区是否有扩散现象（溢出效应）。其模型表达式为：参数 反映了自变量对因变量的影响，空间滞后因变量 是一内生变量，反映了空间距离对区域行为的作用。区域行为受到文化环境及与空间距离有关的迁移成本的影响，具有很强的地域性（Anselin et al.，1996）。由于SLM模型与时间序列中自回归模型相类似，因此SLM也被称作空间自回归模型（Spatial Autoregressive Model，SAR）。

空间误差模型（Spatial Error Model，SEM）存在于扰动误差项之中的空间依赖作用，度量了邻近地区关于因变量的误差冲击对本地区观察值的影响程度。由于SEM模型与时间序列中的序列相关问题类似，也被称为空间自相关模型（Spatial Autocorrelation Model，SAC）。

估计技术：鉴于空间回归模型由于自变量的内生性，对于上述两种模型的估计如果仍采用OLS，系数估计值会有偏或者无效，需要通过IV、ML或GLS、GMM等其他方法来进行估计。Anselin（1988）建议采用极大似然法估计空间滞后模型（SLM）和空间误差模型（SEM）的参数。

空间自相关检验与SLM、SEM的选择：判断地区间创新产出行为的空间相关性是否存在，以及SLM和SEM那个模型更恰当，一般可通过包括Moran’s I检验、两个拉格朗日乘数（Lagrange Multiplier）形式LMERR、LMLAG及其稳健（Robust）的R-LMERR、R-LMLAG）等形式来实现。由于事先无法根据先验经验推断在SLM和SEM模型中是否存在空间依赖性，有必要构建一种判别准则，以决定哪种空间模型更加符合客观实际。Anselin和Florax（1995）提出了如下判别准则：如果在空间依赖性的检验中发现LMLAG较之LMERR在统计上更加显著，且R-LMLAG显著而R-LMERR不显著，则可以断定适合的模型是空间滞后模型；相反，如果LMERR比LMLAG在统计上更加显著，且R-LMERR显著而R-LMLAG不显著，则可以断定空间误差模型是恰当的模型。

除了拟合优度R2检验以外，常用的检验准则还有：自然对数似然函数值（Log likelihood，LogL）、似然比率（Likelihood Ratio，LR）、赤池信息准则（Akaike information criterion，AIC）、施瓦茨准则（Schwartz criterion，SC）。对数似然值越大，AIC和SC值越小，模型拟合效果越好。这几个指标也用来比较OLS估计的经典线性回归模型和SLM、SEM，似然值的自然对数最大的模型最好。

空间变系数回归模型及估计：就目前国内外的研究来看，大多直接假定横截面单元是同质的，即地区或企业之间没有差异。传统的OLS只是对参数进行“平均”或“全域”估计，不能反映参数在不同空间的空间非稳定性（吴玉鸣，李建霞，2006；苏方林，2007）。 当用横截面数据建立计量经济学模型时，由于这种数据在空间上表现出的复杂性、自相关性和变异性，使得解释变量对被解释变量的影响在不同区域之间可能是不同的，假定区域之间的经济行为在空间上具有异质性的差异可能更加符合现实。空间变系数回归模型（Spatial Varying-Coefficient Regression Model）中的地理加权回归模型（Geographical Weighted Regression，GWR）是一种解决这种问题的有效方法。 、空间计量主要命令

spmat 生成空间权重矩阵

spatwmat 用于定义空间权重矩阵

spatgsa 用于全局空间自相关检验

gsa表示global spatial autocorrelation

spatlsa 进行局部空间自相关检验

lsa表示local spatial autocorrelation

spatcorr 考察空间自相关指标对距离临界值d的依赖性

spatdiag 针对ols回归结果，考察是否存在空间效应

spatreg 估计空间滞后与空间误差模型

空间面板主要命令为：help xsmle

Spatial Autoregressive (SAR) model

xsmle depvar [indepvars] [if] [in] [weight] , wmat(name) model(sar) [SAR_options]

Spatial Durbin (SDM) model

xsmle depvar [indepvars] [if] [in] [weight] , wmat(name) model(sdm) [SDM_options]

Spatial Autocorrelation (SAC) model

xsmle depvar [indepvars] [if] [in] [weight] , wmat(name) emat(name) model(sac) [SAC_options]

Spatial Error (SEM) model

xsmle depvar [indepvars] [if] [in] [weight] , emat(name) model(sem) [SEM_options]

Generalized Spatial Panel Random Effects (GSPRE) model

xsmle depvar [indepvars] [if] [in] [weight] , wmat(name) model(gspre) [emat(name) GSPRE_options]

---