sem模型和logit模型的区别

区别在于广义化线性模型中的联系函数的形式。

logit 采用对数形式。应用上，普通logit的响应变量是二元的。 logit的响应变量可以是多元的。统计软件 spss中: logit属于对数线性模型，分析结果主要为因变量和自变量之间的关系，可以细化到各分类因变量与分类自变量之间。sem属于回归分析，分析结果为估计出自变量参数。

SEM不可用定类变量。如果一定要用，方法一是将其转换成 dummy variable (零一变量)，比较容易；方法二是将其当作 grouping variable（分组变量）, 然后每一组为一个样本，做multigroup comparisons（多组比较模型），比较麻烦；方法三是改用Latent Classification Model，那是全新的另一世界。

回到如何计算自由度 (degrees of freedom, df)。记得很久前小彭问过类似问题，我答应要写个贴，但一直忘了。估计小彭现在已知道答案了，但大概还有其他庄员有兴趣。

sem如何分析调节变量，主要受质量度和出价影响。

有以下几个方面

因质量度的提升是长期经营的结果，这里不具体说明。

这里对出价进行说明，出价受关键词的热度影响，关键词热度越高，出价人数越多，出价就会越高，排名才会越高。

出价的变动可以直接调节出价，也可以调节出价比例，使出价提高。

---