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。

关键词匹配方式目前在所有媒体平台上都分为三大类： 精确匹配、短语匹配和广泛匹配 。

1、精确匹配

只有当企业购买的关键词与网民的搜索词完全一致时，企业的推广信息才有展现机会。

精确匹配的优点在于定位非常精准，缺点则是覆盖面太窄，可能导致流量不够。

目前SEM行业流行的一句话是：最理想的状态是所有关键词都设置为精确匹配，而所有相关的搜索词都能触发广告。这对拓词是非常高的要求。

而后台有一个叫“精确匹配地域词功能”，就是系统会为网民的搜索词自动添加一个地域词。比如某广告主投放地域中有北京，而他设置了“北京英语培训”这个关键词为精确匹配，此时一位身在北京的网民搜索了”英语培训“这个词，系统会给这位网民的搜索词加上”北京“这个地域，从而匹配到广告主的”北京英语培训“这个关键词。

2、短语匹配

当网民搜索包含企业的关键词时，企业的推广信息有展现机会。

1）短语精确包含

即关键词被原封不动地包含在搜索词里面，这是短语匹配中最精准的一种匹配方式，据了解，也是目前中用得最多的。

2）短语同义包含

同样是关键词要被包含在搜索词中，但是关键词中间可以断开，或者顺序颠倒，或者用同义词替换。这种匹配方式较短语精确包含来说更为宽松，流量更大，但是匹配到乱七八糟的词的概率也更大了。

3）短语核心包含

这种匹配方式接近广泛匹配了，只是比广泛匹配稍微狭窄一点，如果网站比较缺流量，建议使用这种匹配方式，毕竟广泛匹配过于宽泛了。

3、广泛匹配

当网民搜索词与企业关键词高度相关时（同义近义词、变形词等等），企业推广信息都有可能获得展现机会。

其实广泛匹配已经放得非常宽泛了，流量会较大，但是精准性真的挺低的，土豪专用，如果预算有限的话，还是不建议使用。

调节方法：

温控旋钮一般有0、1、2、3、4、5、6、7档，数字越大，冷冻室里的温度越低。

一般春秋天可以放到3档上，具体要看要求，冷冻室能否达到零下18度以下。为了达到食品保鲜和省电的目的，夏天可以打到1档或2档，冬天打到4档或5档。冰箱的温控调节是要按照季节相应调节的。

“天气热调节的越小，天气越冷调节的越大”掌握这一原则。

冰箱压缩机工作时，冷藏室后壁结霜是正常现象，因为冷藏室内的蒸发器是在冰箱后壁里面，压缩机工作时，温度很低，就会出现结霜现象，但当压缩机停止工作后，结霜就会慢慢融化，属正常现象。

---