女生适合学习SEO还是SEM？

SEO岗位确实男生比较多，各招聘平台一搜出来，大多数是男生简历，但是，SEM也是男生占大多数。可以说，目前无论是SEO还是SEM，男生都比女生多。但是，这也不能证明女生不适合这几个岗位，其实，适合学SEO还是SEM?我的答案是：因你而定。SEO和SEM不是体力活，不是必须具备男性特征(力量)才能胜任，这两个岗位和其他大量对性别没要求的岗位一样，女生完全可以胜任，关键点是：你是否对这个岗位感兴趣?如果没有兴趣，强迫自己去做，会很痛苦，而且也做不好。现在这些领域之所以男生比女生多，原因还是在于男生天生比女孩对计算机、IT更感兴趣(就像女生天生比男生喜欢逛街)，所以男生学这些专业的比较多。而如果你是一个喜欢在计算机前工作的女孩，对互联网也感兴趣，你也完全可以去了解这个岗位，然后再决定自己学什么。

SEO主要做的就是内外优化，包括关键词挖掘、网站结构调整、代码优化、文章更新、外链交换、数据分析等等，总体上，需要有耐心去做重复性劳动(SEO见效慢，可能好几个月没动静，还必须要每天干活，对耐心要求很高)，然后有一定的沟通能力、数据分析能力。而SEM方面，要做关键词挖掘、分组、写创意、弄创意图、人群定位、数据分析等等，这也是一样需要耐心做重复性劳动(比如为10万个关键词分组、写几千条创意等等)，没有兴趣和耐心，可能一天都坚持不下去。

所以，我建议，不要用性别作为考虑问题的重要因素，而是要用兴趣，兴趣才能激发热情和创造力，给你职业生涯带来最大的动力。最后，我想说，其实这么多年来，虽然男生做SEO和SEM的较多，但我也招募过、遇到过许多优秀的女性SEO工程师和SEM工程师!

可以用的方法有----

1. 比较两个回归系数之间差别的公式为：(b1-b2)/se12，其中b1和b2是被比较的回归系，se12是两者的JoinStandardError(联合标准误差)，其结果是一个以自由度为n-k-2的t分布（其中n是样本量、k是原来的自变量数，本案中为x和c两个）。可是，在SPSS（其实是任何OLS回归）中，你如果将男女分成两个样本分布做回归可以得到b1和b2，却得不到联合标准误差se12（因为b1和b2出现在不同的模型中国），所以无法用到上述公式。2.

SEM（包括AMOS）是通过比较男女样本的拟合度之差别来比较两组回归系数之间的等同性。不过，SEM的这种做法是有代价的：它将一个总样本分成两个小样本，其结果是降低了Power

of Analysis (统计分析效力)，从而在没有降低犯Type I的误差的同时又提高了犯Type II误差。3.

较合理的方法是男女不分组、保留在同一样本内，将性别转换成dummy变量，再生成性别与你想比较的自变量（如X）的交互变量（如X*性别），这就是我和小彭各自发的前贴的意思。也就是说，将你的公式1（或公式2）中改成：

Y = a + bX + cZ + dS +eSX + fSZ

其中S是性别（假定男=0、女=1），SX是性别与X的交互变量、SZ是性别与Z的交互变量。如果男女在S上的取值（即0和1）代人该公式，就可以分解成以下两个公式（注意：样本还是一个）：

女生组（S=1）：Y = a + bX + cZ + d1 +e1X + f1Z = (a+d) + (b+e)X +(c+f)Z

男生组（S=0）：Y = a + bX + cZ + d0 + e0X + f0Z = a + bX + cZ

如果d是显著的（即男女本身之差别），就说明女生在Y上的截距（即平均值）比男生高d个单位（见以下左右图的截距）；如果e是显著的（即性别对X与Y之关系的影响），就说明女生的X斜率比男生大e个单位（见左下图红线的斜率）；如果f是显著的（即性别对Z与Y之关系的影响），就说明女生的Z斜率比男生大f个单位（见右下图紫线的斜率）。

注：上两图应该是合并在一个三维图，但是不容易看清楚，所以分开来画。

---