Mplus中关于SEM的介绍

    结构方程模型(SEM)包括连续潜变量之间的回归模型(Bollen, 1989Browne &Arminger, 1995Joreskog &Sorbom, 1979)。也就是说，这些潜变量是连续的。这里需要注意的是：1. 潜变量(latent variables)是与观察变量(Observed variables)相对的，可通过数据分析观察；2. 观察变量可以是连续的(continuous)、删失的(censored)、二进制的(binary)、有序的(ordinal)、无序的(nominal)、计数的(counts)，或者是这些类别的组合形式。

    SEM有两个部分：一个测量模型(measurement model)和一个结构模型(structural model)。

     测量模型 相当于一个多元回归模型(multivariate regression model)，用于描述一组可观察的因变量和一组连续潜变量之间的关系。在此，这一组可观察的因变量被称为因子指标(factor indicators)，这一组连续潜变量被称为因子(factors)。

    如何描述它们之间的关系？可以通过以下方式：

1. 若因子指标是连续的，用线性回归方程(linear regression equations)；

2. 若因子指标是删失的，用删失回归或膨胀删失回归方程(censored normal or censored-inflated normal regression equations)；

3. 若因子指标是有序的类别变量，用profit或logistic回归方程(probit or logistic regression equations)；

4. 若因子指标是无序的类别变量，用多元logistic回归方程(multinomial logistic regression equations)；

5. 若因子指标是计数的，用Poisson或零膨胀Poisson回归方程(Poisson or zero-inflated Poisson regression equations)。

     结构模型 则在一个多元回归方程中描述了三种变量关系：

1. 因子之间的关系；

2. 观察变量之间的关系；

3. 因子和不作为因子指标的观察变量之间的关系。

    同样，这些变量有不同的种类，所以要根据它们的类别来选择合适的方程进行分析：

1. 若因子为因变量，及可观察的因变量是连续的，用线性回归方程(linear regression equations)；

2. 若可观察的因变量是删失的，用删失回归或膨胀删失回归方程(censored normal or censored-inflated normal regression equations)；

3. 若可观察的因变量是二进制的或者是有序的类别变量，用profit或logistic回归方程(probit or logistic regression equations)；

4. 若可观察的因变量是无序的类别变量，用多元logistic回归方程(multinomial logistic regression equations)；

5. 若可观察的因变量是计数的，用Poisson或零膨胀Poisson回归方程(Poisson or zero-inflated Poisson regression equations)。

    在回归中，有序的类别变量可通过建立比例优势(proportional odds)模型进行说明；最大似然估计和加权最小二乘估计(maximum likelihood and weighted least squares estimators)都是可用的。

    以下特殊功能也可以通过SEM实现：

1. 单个或多组分析(Single or multiple group analysis)；

2. 缺失值(Missing data)；

3. 复杂的调查数据(Complex survey data)；

4. 使用最大似然估计分析潜变量的交互和非线性因子(Latent variable interactions and non-linear factor analysis using maximum likelihood)；

5. 随机斜率(Random slopes)；

6. 限制线性和非线性参数(Linear and non-linear parameter constraints)；

7. 包括特定路径的间接作用(Indirect effects including specific paths)；

8. 对所有输出结果的类型进行最大似然估计(Maximum likelihood estimation for all outcome types)；

9. bootstrap标准误差和置信区间(Bootstrap standard errors and confidence intervals)；

10. 相等参数的Wald卡方检验(Wald chi-square test of parameter equalities)。

    以上功能也适用于CFA和MIMIC。

这个是可以测成分的，牛津仪器纳米分析部推出了可以在SEM里测量薄膜成分和厚度软件系统ThinFilmID。 ThinFilmID是利用EDS测量薄膜结构的成分和厚度。 这项技术是唯一基于SEM和EDS薄膜分析系统。

教育行业在互联网中的竞争度还是比较高的，随着互联网+教育普及，竞争度会越来越高，搜索竞价的成本也会更高，想要在互联网推广教育类的网站或者项目，就需要选择正确的推广方法，建议以下几种方法可以考虑：

教育培训机构推广技巧一：社交平台推广

教育类项目有着特定的人群，比如，是高中生，大学生，白领人群等等，人群属性相对比较精准，这样就把人群进行分类，人群正确分类之后，就可以明确地找到这类人群的喜好，比如社交平台。

此时，就可以在用户常去的社交平台进行KOL树立，把自己的人设做好，进行网站引流，或者直接引流，这个周期会比较长，因为涉及到人设的树立，但，一但坚持树立起来，就是可持续的推广方法，可以类比，小红书种草。

教育培训机构推广技巧二：搜索引擎推广SEO/SEM

SEO和SEM这两种方法是老生常谈的方法，SEO是一种免费的关键词排名推广，虽然这两种方法都需要专业的人来做，但SEO如果想要做好，也是需要投入一定的人力和物力的，虽然现在SEO推出几种新的概念，但最终还是SEO手法。

对于教育行业，本身的竞争力度比较大，所以，做seo时最好不要行做行业大词，做精准的长尾词䨱盖是一种非常好的解决方法。

而SEM这种营销方法，仁者见仁，智者见智。如果没有账户操作经验，并且没有在这个行业中做过三年以上，做起来，消费比较大，账户优化会比较粗造，心理承受压力就会大。投入产出比不高。

教育培训机构推广技巧三：自媒体/短视频推广

自媒体和短视频是目前是非常流行的推广方式，教育行业也是比较适合这种方式推广的，因为，课程的内容是可以持续更新的，这样就解决掉了内容原创的问题。

坚持做短视频，分析其用户喜好，改进课程的表达方式，也许会在短视频领域分一部分流量。

总结：

教育行业想要单纯通过网站获取流量，难度是有的，但也是可以克服的；在做网站的同时，也要放眼其他的营销方法，新颖的营销方法，毕竟，人在哪里，市场就在哪里。

创业不易，祝君一切安好。

---