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。

怎样做SEM？

做sem首先第一点，也是最基础的一点，网页设计要符合营销，至少要有营销的意识包含在里面。这样设计出来的网页才能为网站添砖加瓦，设计出来的网站才能为企业带来更多的流量，带来更多的转化率。

【1】作为SEMer，应注重搜索引擎营销策略和方法，要有营销意识。有个很有意思的现象，东边COPY一下，西边再来一下，可能北边的也不错，将“拿来主义”进行到底，也就叫作网站运营了。更有甚者，前面抄袭完毕，又看着新鲜的了，还是整个再换掉好了。折腾来折腾去的，没个方向，真正受罪的还是网页设计师。我想，可能这样的“SEMer”自己也搞不懂到底想要什么吧？

【2】网页设计人员自身能力必须国强。如果一个网页设计人员的能力不足，这样就比较麻烦了，毕竟水平有限，真想要TA设计出一个“有盼头”的网站，可谓是比登天还难了。当然，如果有足够的耐心，也是可以慢慢培养的，只是时间上是否允许呢？从长远来看，还是建议SEM团队吸收优秀的网页设计师进来，从本质上改变这种现象，这对团队的促进和成长都是大有益处的。

【3】SEMer和网页设计师的沟通问题。假设一个很优秀的网站策划方案，同样是交给最出色的网页设计师来制作，理论上来说效果应该不会太差。事实上，如果设计师闷头苦干，SEMer也分身乏术，那么是很难达到理想设计效果的。只有SEMer时时跟踪设计师进度，发现问题，解决问题，才是明智之举。切忌不要等设计完工，再挑毛病，可能会浪费更多的时间。

【4】用户体验设计欠佳。举个例子，苹果的产品，不论是Mac、iPhone还是iPad，其销量都是一个惊人的数字。这和苹果一贯注重细节，倾力打造用户体验是分不开的。小拼在“Apple中国——用户体验设计苹果风暴”一文中也对苹果官网的用户体验设计给予了高度的评价和肯定。相较之，现在很多SEMer忽视了这一点，只注重网站的美观性，对用户体验方面做的工作几乎为0。

【5】设计效果缺乏创新意识。创新永远是颇具争议的关键词。对于新生的、不可预见的遐想事物，人们总是保持缄默态度。究竟什么是创新？小拼认为，一切有利于用户体验，可以提高网站转化率的营销思路，都可谓是创新，创新往往体现在细节上。拿网易新闻阅读来说，当你任意选中一段文字时，会出现一个“我来挑错”功能，小拼认为就很有新意，这是同类门户网站中所没有的。小小的细节，可能正在悄悄改变着一切，网页设计也是如此。

sem 结构方程模型是社会科学研究中的一个非常好的方法。该方法在20世纪80年代就已经成熟，可惜国内了解的人并不多。“在社会科学以及经济、市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量（即潜变量），这些都是传统的统计方法不能很好解决的问题。20世纪80年代以来，结构方程模型迅速发展，弥补了传统统计方法的不足，成为多元数据分析的重要工具。 结构方程模型分析:结构方程模型是一种建立、估计和检验因果关系模型的方法。模型中既包含有可观测的显在变量，也可能包含无法直接观测的潜在变量。结构方程模型可以替代多重回归、通径分析、因子分析、协方差分析等方法，清晰分析单项指标对总体的作用和单项指标间的相互关系。

---