sem的模型介绍

SEM简单介绍，以下资料来源

因果关系：SEM一般用于建立因果关系模型，但是本身却并不能阐明模型的因果关系。

一般应用于：测量错误、错漏的数据、中介模型（mediation model）、差异分析。

历史：SEM 包括了 回归分析，路径分析（wright, 1921）,验证性因子分析（confirmatory factor analysis）（Joreskog, 1969）.

SEM也被称为 协方差结构模型（covariance structure modelling），协方差结构分析和因果模型。

因果关系：

究竟哪一个是“真的”？ 在被假设的因果变量中其实有一个完整的因果链。

举一个简单的例子： 吃糖果导致蛀牙。这里涉及2个变量，“吃糖果”和“蛀牙”，前者是因，后者是果。 如果上一个因果关系成立，那将会形成一个因果机制，也许会出现这样的结构：

3. 这时还有可能出现更多的潜在变量：

这里我又举另外一个例子，回归模型

在这里，回归模型并不能很好的描述出因果次序，而且也不能轻易的识别因果次序或者未测量的因子。这也是为什么在国外学术界SEM如此流行的原因。

我们在举另外一个例子“路径分析”

路径分析能让我们用于条件模型（conditional relationships），上图中的模型是一种调解型模型或者中介模型，在这里Z 是作为一个中介调节者同时调节X和Y这两个变量的关系。

在这里我们总结一下：

回归分析简单的说就是：X真的影响Y 吗？

路径分析：为什么/如何 X 会影响Y？ 是通过其他潜在变量Z 来达到的吗？例子：刷牙（X）减少蛀牙（Y）通过减少细菌的方法（Z）。------测量和测试中介变量（例如上图中的Z变量）可以帮助评估因果假设。

在这里要提一下因素模型（factor model）

在这个模型当中，各个变量有可能由于受到未被观察到的变量所影响，变得相互有内在的联系，一般来说那些变量都很复杂、混乱，而且很多变量是不能直接被观察到的。

举个例子：“保龄球俱乐部的会员卡”和“本地报纸阅读”，是被观察到的变量，而“社会资产”则是未被观察到的变量。另一个例子：“房屋立法”和“异族通婚”是被观察到的变量，而“种族偏见”是未被观察到的变量。

相互关系并不完全由被观察到的变量的因果关系所导致，而是由于那些潜在的变量而导致。

这些被观察到变量（y1--y4）也有可能由一个潜在的变量（F）所影响。

SEO是搜索引擎优化，SEM叫搜索引擎营销，以下说一下两者的区别。

1、跨搜索引擎平台效果：

SEO优化是针对所有的搜索引擎来做的，只要SEO的方法是白帽的、专业的、面向用户体验的，那么你不仅仅能收获百度来的流量，谷歌，搜狗，360，雅虎都会不同程度的认可你的网站，从而给你网站良好的展示位置。而SEM，不同的搜索引擎有不同的服务机制。

2、提升流量无须增加预算：

要提升PPC的流量，你必须提升预算。但SEO不一样，SEO优化有点像滚雪球，一开始虽然不起眼，但雪球一旦滚起来，机制一旦建立，那么势必后劲十足，效果越到后面越显著，而无需你投入更多。

3、停止花费，流量余存：

一个经过专业SEO优化后的网站自然流量不会因为你停止了SEO服务而立即消失，相反这段流量会持续相当长的一段时间，理论上来说如果没有过大的外部竞争以及搜索算法没有大变化的话，流量基本上是稳定的。所以，如果真要算的话，至少应该拿2年的SEO流量去和一年的SEM流量去做比较。

4、更高的信任度：

比起SEM，SEO有更高的用户信任度。毕竟SEM也是一种商业广告，用户点击本身就是抱着一种看广告的心态，如果不满意就跳出看下一条。而自然排名则不同，用户会认为靠自然排名排上去的网站更专业、更可信，同时用户参与度和转化率也更高。

5、排除负面信息

试想如果在你的SEM广告下面有一条SEO的负面消息，是不是很糟糕?通常负面消息的影响力要比正面消息大3-5倍，所以平时就要重视SEO，通过SEO，可以更好地巩固第一页的搜索结果的权重，设立好这样的保护屏障，可以有效防止负面入侵。只是很多公司都是等事情发生了再去做挽回。

6、更容易吸引点击：

自然结果毕竟处在SERP的用户视觉重心处，相比SEM可以获得更多的关注和点击。按以往的经验来看，自然结果第一名的SEO流量通常要高于排在PPC第一名的广告。

所以根据企业的现有条件和企业的特点来选取相对应的方式来进行优化，不仅能降低优化时需要的成本更重要的是能有效提高优化的效率。达到预期想要的结果。

优先内容是每一个搜索引擎优化活动带动增量流量和收入必须的。以SEO人员来说，我们必须继续专注于根据用户的意图，帮助我们的客户实现他们的目标，构建出高品质的内容。

---