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。

优化SEM广告最好方法

是优化您网站进入页面的表现.

1 、采取有效的关键词组织策略

2 、强化从关键词到进入页面的信息

3 、进行测试，寻找更适合您页面的选择以数据验证您的策略

关键词策略

模糊关键词—产生更多结果，但转化率较低.模糊关键词将访问者带到内容较宽泛的进入页面.采用模糊关键词搜索正如撒渔网一般.　

精确关键词—产生的结果较少，但可能转化率较高。精确的关键词将访问者带到内容较专一的进入页面。使用精确关键词正如娴熟的精准射击.

从关键词到进入页面

客户出于战略目的开始增加网站访问量时，对起欢迎作用的进入页面进行优化就变得更加重要。在对进入页面、吸引访问者的链接和广告进行优化时，需考虑三个关键因素：

1 、标题—文本中的标题应与进入页面中的标题匹配。

2 、价值宣传—简要陈述产品或服务的优势所在，访客可望从此网 站获得什么？

3、 呼吁行动—希望潜在客户做些什么？

目标页测试

许多公司将搜索用户带到其公司主页。这样做就一定是最好的办法吗？还与其他更好的选择吗？能设计出内容更专一的策略性进入页面吗？客户必须通过以下测试才知道网页内容是否仍然相关。

1 、围绕一个问题设计测试（这是测试成功与否可度量的关键标准）

2 、确保被测试元素间存在清晰易见的差异

3、采用更多测试细化所得结果（A/B测试 和多变量)

4、临时行为变化的原因(考虑周末与工作日广告差异)

5、根据测试结果,采取行动!(把转换率更高的页面应用到目标页)

---