破魔SEM博客专注_sem优化技巧 _sem优化思路_竞价数据分析知识分享！
面试竞价被问到最多的问题：
1.你对竞价有什么心得和体会？
2.给你个账户你应该怎么去投放？
3.你怎么进行账户建设维护以及效果提升的思路？
4.作为一个竞价员你和普通竞价员的优势在哪里，怎么去做？
5.你每天都做什么工作？
6.你对自...
10个月前 (05-20)
人在职场上，要想如鱼得水，获得领导的重视很重要，如何在职场上获得领导的器重呢？理解以下八条道理，做个好下属，获得领导器重，加薪升职等着你。
一、要勇于承担责任，要有足够的勇气去面对问题，不要推卸。领导是最讨厌那些遇事先逃避，明哲保身地把本该...
11个月前 (05-10)
每个职业的都有其不断发展的契机，每个职业的从业者，都会有不同的发展机遇，做出不同的选择，拥有不同的职业生涯。那么Semer的职业发展规划是什么？当我想写这篇文章的时候第一反应就是 “运营”其次就是“数据分析师”
1、运营。这是我思考得最久的...
12个月前 (04-11)
许多毕业生求职失败，都是输在了面试上。其实，面试发挥出色，可以在一定程度上弥补先前笔试或是其他条件如学历、专业上的不足。下面破魔sem博客为您详细讲解了面试成功的八大法宝和回答考官问题的八大技巧。
技巧一：自我介绍不超2分钟
请你自我介绍一...
在职场中有诸多资深猎头，他们早已练就一双火眼金睛，能从一份简历可以从中获取更多信息，下面就为广大求职者们总结一些hr筛选简历的经验。通过了解他们的习惯 做到知己知彼，轻松拿到offer
1. 看工作时段
也就是说他想看你工作...
这几天我有学生问我，老师竞价面试都会问那些问题啊？我想了想 还是把问得最多的几个问题给列了出来
竞价面试宝典
1.你对竞价有什么心得和体会？
拿医疗保健行业来说，竞价是整个项目组比较核心的岗位，而且跟其他岗位比如：优化、编辑、策划、美工、程...拒绝访问 | www.xin4jie.com | 百度云加速
请打开cookies.
此网站 (www.xin4jie.com) 的管理员禁止了您的访问。原因是您的访问包含了非浏览器特征(c1671-ua98).
重新安装浏览器，或使用别的浏览器我参加3个SEM管理层面试，总结出23个问题和回答…
作者： 请叫她雷锋
写在前面 | 艾奇菌
这是一位小伙伴根据她最近真实的面试经历总结出来的问题和回答。她在SEM甲方从业五年，今年年初参加了三个不同行业的SEM主管（经理）职位的面试。虽然最后的结果都是无疾而终，但这些经历对她来说都是很宝贵的财富。而今天她无私地将这些经历分享给我们。
以下是她在面试中遇到过的问题，以及她的回答。而艾奇菌也邀请了艾奇学院专家团成员李大仁老师对于她的回答进行了一些建议。
以下为正文：
面试总共3份SEM主管（经理）的面试问答总结，但都没有通过，被pass的理由比较客观，暂停招聘以及没有相关经验，所以我打算从面试层面对问题进行总结。总结内容中的回答，是站在用人角度以结果为导向的回答。总结分为两个部分，一部分是专业类问题，一部分是通用类问题。
专业类问题
1、你觉得你对应聘我们岗位有什么样的优势？
答：最大的核心优势我觉得是——
在我从业经验中给公司带来了KPI的提升。在任职A公司360推广负责人期间的6个月内，带来了登记2-3倍的增长，成本1倍的下降；在任B公司推广负责人期间的6个月内，带来了量的2倍增长，成本1倍的下降。
回答方向：相比较别人而言能取胜的优势。
专家团建议：
该部分回答仅从数据层面来说，没有问题。但要想一下，这是个管理岗，该回答未能体现自己的管理方面的优势。
另外，有一个小细节需要注意，通常成本降低，我们会说降低50%，而不是下降1倍。
2、谈谈你的团队管理经验或者说是心得？
对领导——领悟好领导的任务，有效传达给团队。
对团队——
建立目标：让团队发展有目标有计划，有时间限定；
合理组织：合适的人做合适的事并根据任务量等进行分配；
有效沟通：短时间内通过交流达到沟通的目的；
适当激励：一起努力完成一件事情请吃饭，帮助优秀者申请加薪等
回答方向：个人管理团队的心得体会。
专家团建议：
团队管理建议引从目标一致、激发潜能、管理矛盾、共同进步、淘汰末尾等描述。
3、目前的工作职责是什么？
答：我把我的工作分为三部分——
第一，负责相关市场营销规划（目标设定，行业竞品受众分析，预算分配，关键词策略，创意策略，着陆页策略等）
第二，负责相关规划的实施（各人员负责内容，团队间有效沟通，做好过程的监控）
第三，关注相关市场变化以及竞争对手做灵活变动（做好监控不断总结问题，让每个阶段的目标达成）
回答方向：工作的核心工作部分，根据岗位要求灵活变动，此回答偏向SEM管理层面
专家团建议：
该回答可增加团队管理部分
4、你的营销策划包括哪些部分？
行业分析：如公司所在行业淡旺季，营销发展趋势，行业主要关键词
竞品分析：竞争对手有哪些？竞争对手所投放渠道，竞争对手的产品跟我们的相同和不点
受众人群：相关属性入年龄，性别，上网习惯，搜索词有哪些？
媒体的选择：目前的主要营销方式，媒体的优劣势对比
预算分配：各个媒体预算分配按照市场占有份额，PC和WAP的预算分配暂时5:5分配后期根据成本进行调整
关键词策略：搭建完善的账户结构，统一的关键词URL，关键词投放优化策略
创意策略：撰写符合产品优势，用户需求，后期不断A/B测试提取好的创意元素
着陆页策略：与用户需求匹配的着陆页
数据报表策略：统一报表并完善日报表，周报表，月报表，年报表。
专家团意见：
该问题及该回答其实我有较大的困惑，我不太明白这个指的是什么？是线上线上的结合的大型活动的营销策划，还是纯线上的策划？该问题其实更偏向与运营及企划方向。而回答的内容个人觉得与该问题关联性较弱。且如果面试官对于SEM岗位了解较少，该回答会让对方听的一头雾水
5、做了什么让你的数据有好的表现？
A公司和B公司都发现的问题——各城市账户搭建不一致，数据相对混乱。
采取的对于解决方案——规范化管理账户，制定相关的账户搭建规则；数据规范化，做好日数据，月数据，年数据监控。
在短短的1个月内，相应的KPI量的部分得到了翻倍的增长。后期通过此基础上进行关键词优化，创意优化，着陆页优化等来展开精细化管理账户。在6个月内，相应的KPI成本部分下降了1倍。
6、如果让你到我们公司上班，你会从什么方面着手管理SEM？
答：首先我会去跟领导了解相关业务，根据公司情况制定的相应的推广目标和策略等。
有两种情况进行展开。如果是已经有的SEM账户以及团队，我会先去发现问题，包括从数据上分析反映的问题，账户搭建，人员的任务分配上等。制定一个解决方案并着手去解决。
如果是刚成立的sem团队，我会先行根据目标制定执行策略，包括渠道拓展，关键词策略，创意策略等。后续实际情况不断优化调整策略。
7、如果成本一下子涨了几倍，你怎么进行分析？
答：从内部自己问题数据进行分析排查，看看点击率，到达率，转化率等这几个节点的数据有无特殊异常，有的话，查看对于的原因。并进行解决。
8、你怎么进行数据分析的？
答：三个维度。
一个是大数据对比分析，按照词性大数据进行分析，成本好的词性加大投放，成本不好的词性减小投放。
第二个是漏斗分析，从展现到点击到页面的每个节点数据进行分析。
第三个是同比和环比数据分析，找到对比异常数据进行解决。
9、多久调价一次？
答：每天都会查看对于的日数据，进行相关的调价操作。
10、你怎么进行账户搭建的？
答：先行对词进行归类。思考的维度按照业务，词性等进行分类。
11、你有什么问题问我？
答：公司投放的SEM年度预算大概是多少？SEM团队人数是多少？投放的KPI考核目标是什么？ ……等等。
回答方向：与公司岗位相关的问题。
专家团建议：
建议问这些——
汇报线、内部组织架构
该岗位是新增职位或离职接替（若离职接替，问上一任离职的原因）
领导管理风格/公司的风格文化
阶段性任务……
12、如果客户需要登记量从100个提升到200个，你会怎么做？
答：对成本低且能带来登记的词进行加价处理并批量的对这些词进行拓展推广。
专家团建议：
该回答显得有点无解。首先要说明的是，很多SEM都觉得转化跟出价有很多关系，现阶段的真实情况是，在排名不是太差的情况下，排名对转化影响有限。另外该回答有局限性，应考虑从多渠道着手，拓展新渠道，单一渠道很难实现数量级的飞跃。
13、你们用的比较多的数据统计工具是什么？分析哪些数据？
答：GA统计，百度统计，以及网站日志都有使用。主要是GA统计，数据量比较精准，其他工具作为辅助查看对比。主要分析的是到了网站之后对于的UV，PV，转化率等。
专家团建议：
对于分析哪些数据可以再深化回答一下。诸如页面上下游贡献、页面热图及链接点击情况等等，且说明监测这些数据的目的及对工作的指导意义。
14、你以前在A公司的时候，登记成本是多少？
答：因为我当时进公司是签了相关数据的保密协议的，所以具体数据我不方便透露。但我觉得贵公司着重看的是我个人的能力以及是否能帮助公司带来业绩，而不是某些行业的具体数据信息，而我的相关案例就是我能力很好的证明。
15、你认为你哪项技能有待加强？
答：都有进步的空间，现在互联网时代，更新的频率很快。像现在百度，定期出一些产品，都需要学习，定期更新软件的操作。这些都是需要不断学习的。
专家团建议：
这个回答简直是在说自己没一项是完美的。可以从一个无关岗位紧要的小处说一下。然后强调自己的主动学习能力。
例如： 我现在做的报表虽然功能已经比较完善了，但是还不够美观，我也关注了一些相关的课程，正在改善这一点。
16、我们需要有APP经验的人（其他与推广相关的经验），你没有这个经验。
答：同样产品的受众人群都类似，以及推广的核心都是带来精准的流量，所以就算是缺乏相关经验，我相信我也能做好这些方面的工作。
专家团建议：
这个回答有点虚了。毕竟没有经验是事实，而APP推广和主流的SEM推广的确存在一点差别，渠道和运作方式都略微有区别，所以我们平时建议大家，多关注这些行业相关的东西。
你可以说，虽然没有真正操作过，但是之前有关注这方面的知识，对于渠道联运、ASO、积分墙等都有所了解，也愿意用空杯心态来学习，相信能很快上手。
17、谈谈你对本公司的了解情况？
答：谈谈对公司业务，受众人群行业特征，投放渠道等的了解。
回答方向：与公司岗位相关的了解。
通用类问题
1、你为什么离职？
答：部门老大离职，市场部变化比较大，公司投放的力度在今年相对减少，而我个人想往更为专业和深入的SEM层面发展，所以我打算看看有没有更为合适的发展机会。
专家团建议：
会给人一种易受环境影响的感官，按照正常的思路，上级离职，下属才有上位的机会。另外回答投放力度减少，与后面的往专业和深入的发展不契合，每家公司都是想花最少钱获得最大回报的。
2、在A公司为什么要离职？
答：我希望能在短期内不能接触到更多的市场营销渠道，而B公司当时正在拓展渠道推广，让我短期内能让我接触到更多的市场营销渠道。所以我从A公司离职到B公司。
专家团建议：
会给人一种，哪个公司渠道多，就去哪家的感觉。
3、做个自我介绍吧。
答：我的名字叫艾奇菌，目前在B公司做SEM，团队人数共4人，负责的渠道有百度、360、搜狗、品专等每日超5w的多渠道营销，带来对应的KPI提升是：成本下降1倍，量上涨2倍。
之前在A公司做SEM，团队人数共3人，负责的主要渠道是360推广每日2w的推广，带来对应的KPI提升是：成本下降1倍，量上涨2-3倍。
大学所学专业是计算机应用，有受过北大青鸟接近一年业余网络营销培训。
专家团建议：
介绍更多偏向于数据层面，且最后一段为多余。如果应聘岗位是经理/主管级，注意招聘需求中的部分，该岗位除了常规的投放规划，还要注意体现管理艺术。
4、你的职业规划是什么？
答：想往专业的SEM层面发展，希望把SEM拓展的更为深入一些。
专家团建议：
回答过于笼统，且容易让人产生用公司资源练手的想法。理想的回答思路可参考如下内容：我想与公司一起发展，通过自己的努力以及公司的平台，为公司创造更好的价值。通过自己所负责的项目，让公司更加认可自己的能力，为公司的网络营销在业界留下浓墨重彩的一笔。等等。
5、你有什么样的缺点？
答：1.在压力状态下，会出现负面情绪。通过学习一些书籍如自控力，做一些慢运动，一些自己开心的事情让自己疏导负面情绪，进而把正面能量吸收进来。2.学习能力需要不断的加强，适应互联网的快速节奏。
回答方向：正确认识自己，完善自己。忌说对应聘职位硬伤的缺点。
专家团建议：
该段回答第一句为大忌（压力状态下，会出现负面情绪）。负责营销的人每天与数据打交道，基本每天都是扛着指标压力过来的，而团队领导者所承担的压力更是远大于团队成员。这个地方的回答显得自曝其短，低抗压性不适合做团队管理。
6、你的朋友怎么评价你？
答：乐观，开朗，有亲和力，乐于助人。
写在后面| 艾奇菌
这份资料中的回答和建议，主要是针对管理岗位，当然，很多问题对于SEM执行岗的面试也是很有启发的。
其实这位同学在面试中的回答总体来说都挺不错的，之所以失败，也可能有跨行业的问题，毕竟隔行如隔山。
其实从投简历到面试，这个过程是非常累的，从身到心。
所以我们要如何提高面试成功的几率呢？
首先，企业招聘简章中写的岗位职责和招聘要求，一定要仔细阅读，逐条对照。例如企业明确说过需要某些行业的经验，如果你没有，就不要在这家公司浪费时间了。不要抱着侥幸心理，觉得「差不多吧， 大致OK啊，这些都是公司复制的套话而已」 ，实际上，招聘简章从用人部门传递到HR部门，都是经过用人部门深思熟虑，考虑到团队现状和公司业务各方面，再撰写出来的。就算企业也同样抱着侥幸心理通知你来面试了，最后在录用决策上，也不会凭着侥幸心理来录取一个人。
其次，跳槽过程中，要注意行业的差别。最好选择与之前经验相近的行业，如果实在要跨行，也需要提前对于新的行业做足功课。
最后，没有金刚钻，就别揽瓷器活。如果自身没有管理经验，去应聘一个管理岗位，或者做了一阵子小主管，就跑去应聘经理或总监，成功率都会比较低。虽然不同公司对于title的定义不一样，但是从招聘简章中的岗位职责和经验要求就可以知道，该公司招聘的是一个什么样功力的人。对号入座，不要好高骛远。
最后的最后，对原作者表示诚挚的感谢 ！这种无私分享的心态，一定也会推动你成为更好的人！
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点SEM竞价账户优化在日常工作中的常见问题解答
我的图书馆
SEM竞价账户优化在日常工作中的常见问题解答
&　　百度竞价日常工作问题
　　1.精简广告投入时，节省推广开支途径有哪些？
　　a. 设置更精确的匹配方式。
　　b. 添加搜索词中有用的口碑词。
　　c. 分时段推广（加大好时段的推广，降低效果低的时段的推广）。
　　d. 效果不理想的关键词，降低排名。
　　e. 对不同时段同一关键词价格有较大差异的计划，采取用两个相同的计划分时段投放。
　　2.加大投放力度的有效途径有哪些？
　　a. 增加推广渠道（如：网盟、谷歌、搜狗、搜搜、有道等）。
　　b. 关键词设置更广的匹配方式（如：精确-短语，短语-广泛）。
　　c. 提高效果好的关键词的排名。
　　d. 新增关键词（通过搜索词报告、商务通、百度相关搜索等等中找新词）。
　　e. 对竞争大，效果好的口碑词的推广计划采用两个相同的计划，不同的匹配方式
　　3.日常维护中，提高关键词质量度的注意事项有哪些？
　　a. 长期不使用的推广计划，采取24小时时间段暂停，而非直接暂停。
　　b. 定期检查是否有不宜推广的创意，删除。
　　c. 账户余额不能为0。
　　d. 用推广单元里关键词质量度高的创意带动其他推广关键词质量度低的单元。
　　e. 改标题（标题新颖、多飘红、模仿他人的好创意）；
　　4.同行业竞争对手突然新增时的应对策略？
　　a. 对手强大：
　　① 根据科室能力及消费情况，适当降低排名。
　　② 修改创意，通过新颖独到的创意吸引客户。
　　③ 转化高的关键词尽量力争。
　　b. 非强劲对手：
　　① 力争关键词排名都在前面
　　5.某个重点口碑词忽然被竞争对手炒高时怎么办？
　　看对手是否有意？
　　① 如有意的，则看关键词的转化和账户预算调整适当的价格和排名。
　　② 如无意的就要提高价格，保持好的排名。
　　6.同行恶意点击时的解决办法？
　　a. 屏蔽IP（如果能屏蔽的IP数量达到最大值了，就删除旧的IP，屏蔽新的IP）
　　b. 反点对手
　　c. 协商
　　7.尽力做推广半个月，毫无效果怎么办？
　　a. 找出低就诊量的原因（竞价、客服、网站、医院）。
　　b. 检查竞价工作（排名、数据分析）。
　　c. 新增病种词。
　　8.点击量多，对话量极少怎么办？
　　a. 检查是否有恶意点击。
　　b. 降低对话量少的关键词的排名或者直接停掉，提高对话量大的关键的排名。
　　c. 检查网站是否正常（如商务通是否能正常弹出）。
　　d. 看关键词与所对应的推广页面的客户体验是否好？
　　e. 与客服多沟通，多进行主动邀请。
　　9.对话量多，预约量极少怎么办？
　　a. 通过数据分析，降低转化低的关键词的排名，提高转化高的关键词的排名。
　　b. 对转化很低的关键词暂停（如通过该关键词进来都是把客服当百度咨询罢了）
　　10.无电话量怎么办？
　　a. 多发帖。
　　11.如何做有用的数据分析？
　　a. 倒金字塔的数据分析，看是哪个环节出现问题等。
　　12.新项目展开，新账户推广前的注意事项？
　　a. 地域设置。
　　b. 时间段设置。
　　c. 预算设置。
　　d. 否定词。
　　e. 检查网站是否正常。
　　13.日常工作中，如何维护账户安全？
　　a. 推广网站是否正常。
　　b. 对药、胶囊、丸之类的词不要出现。
　　c. 非军警户里的创意和关键词都不能还部队，军警等之类的词。
　　14.多户推广同一科室的要点与技巧？
　　a. 避免不同账户里的创意相同。
　　b. 排名靠后的账户里的关键词的出价依据下一名对手的价格出。
　　c. 不同账户推广的网站不能完全一致。
　　15.无竞争对手时账户可以做哪些调整？
　　a. 只要创意能在左边展现就可，价格跳到起步价。
　　16.多区域推广的账户如何分地域投放？
　　a. 如果区域相对少，可以用不同的推广计划推不同的区域，如果区域相对较多，则同等排名价格差不多的区域公用一个计划。我是宅男论坛http://www.homeboys.cn/thread-.html
TA的最新馆藏[转]&[转]&
喜欢该文的人也喜欢苹果/安卓/wp
当前国内期刊上SEM应用中的常见问题
本帖最后由 yangyang9189 于
23:40 编辑
我第一次在国内期刊上看到有关SEM方面的文章好象是1999年前后，十年间，SEM方法早已经充斥各级各类期刊，
仿佛做实证研究不用SEM就算不得上档次，甚至有人将SEM等同于实证研究，呵呵。
& & SEM在国内的应用，最早应当是从教育心理学起步的，香港中文大学的候杰泰老师每年都象布道一样在国内各大学
讲授SEM的应用，最早听讲的人主要还是教育学或者是心理学领域的研究者，2004年暑假在北师大讲授的时候，好象
80%的听课者都是来自于大学里的教育学院，如果没有记错的话，以管理学院的名义来参加的，可能也就是三四所大学。
在年前后，北师大的一些老师甚至是博士生，也逐步开始被国内各大学请去讲授，我记得北师大有一个漂亮的
骆老师，当时她还是博士在读，我就在两个不同的场合听过她的讲解，当然刚开始还是云里雾里，后来熟悉了再回头看当时
的录音和录相，感觉当时的理解力真的有问题，或者说应了那句话“纸上得来终觉浅，绝知此事要躬行”
& & 抛开教育心理学领域的研究者不谈，管理领域中较早开始应用SEM方法的，清华、西交大、人大等高校算是比较靠前
的一批，连续几期暑假学校无疑极大地推动了SEM方法在国内管理学界的应用。记得2002年的时候，一个博士论文用
一个普通的SEM模型，就感觉很震撼，哪里会想到现在就连硕士论文里，也开始讨论中介效应、调节变量、数据分层了。
&&然而，随着越来越多的人的应用，SEM方法也开始由生到熟，并由熟到烂。尽管从整体来看，应用SEM的文章的质量在
不断提高，但是可能是由于总量太多的原因，也越来越多地发现数据造假、数据错误甚至是自相矛盾的情况，其中不乏
一流的期刊。
考虑到国内学术生态的现状，以及从推动规范的实证研究范式在国内应用的角度，我们对关于SEM应用中的
种种问题需要予以谅解，当然有意的学术造假除外，抛弃学术道德的伪造数据甚至篡改结果，不但是对科学研究
的不尊重，也是对调查问卷的受访者不尊重。前两天，韩国的某著名科学家被判入狱，这应当是一个很好的警示。
& & 以下，结合我的一点经验，大致讲讲国内期刊在SEM应用上的一些问题或者是不足。这其中不涉及具体的文章，
也不涉及具体的杂志，当然更不可能涉及到具体的作者，大家也不要对号入座。我也尽量把自己知道的都写上，
但是不保证会写完，呵呵，我不是一个有耐心的人。
& & 需要指出的是，考虑到人大经济论坛在国内学术圈的地位，这其中牛人很多，统计学的泰山北斗可能也随时会
寄情于此，所以我的一点浅见，难免会让大家耻笑。因此特意注册了一个新ID，牛人们如果认为我错了，也可以
随时指正，共同提高才是我发本贴的终极目标。
& & 以下可能涉及的方面包括：
(1)关于问卷调查的样本量，潜变量题项的数量
(2)大与小的模型与合适与否的模型
(3)统计显著的含义
(4)论文中应当给出的统计结果
(5)模型如何解释，什么算是过度解释
(6)数据的正态性是否是必要的
(7)为什么SEM有助于将问卷调查研究变成伪科学
(8)怎样判断一篇文章是否伪造了数据
(9)关于提高学术文章质量的一点想法
本文来自: 人大经济论坛 详细出处参考：
(1) 由于有些资料在家里，如果引用的地方有错，我会在确认后修改
(2) 刚才有朋友在QQ上给我说：不能带坏年轻人。呵呵，所以尽管我看到了许多不好的做法，但是我想还是不要在这里把这些不好的方法公开吧。但是如果不公开呢，又确实对国内期刊上某些人的做法表示气愤，纠结中
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
（1）关于问卷调查的样本量
& & 教育科学出版社出了候杰泰的一本书，上面关于样本量有较为详细的说法，但是至于究竟多大的样本才是合适的并没有给出定论，只是列举了许多学者的观点，有说&150，有说200起步的，也有说500以上，甚至是1000也不算多的。其实，侯老师没有给出定论是对的，模型不同，所需要的样本容量肯定是不同的。由于SEM脱胎于线性回归，是路径分析和因子分析的联合体，因此我们可以从上面这些方法中寻找理论依据。
& & 共所周知，线性回归要求：基本要求的样本容量，一般经验认为：n ≥ 3(k+1)才能满足模型估计的基本要求。 n ≥ 3(k+1)时，t分布才稳定，检验才较为有效.&&其中K是检验变量的个数。由于SEM模型中，需要估计的变量的个数与潜变量（观测变量）的个数以及路径系数的多少有关，对于一个内生潜变量一个外生潜变量的全模型来说，如果每个潜变量包括三个观测变量，那么需要估计的变量个数大约是13个（6个载荷系数，6个残差，1个路径系数），这样就需要至少40个样本量。对于一个最简单的模型都是这样，就更不用说再复杂的全模型了。
& & 因此我的观点：
（1）样本容量是根据模型的复杂程度来定的，原则上不能低于待估计变量的2倍，或者是观测变量的8到10倍；否则模型要么不收敛（协方差矩阵不正定），要么得出的参数不稳定（由于我们在论文中仅呈现一个模型输出结果，因此很多人对于“参数不稳定”没有概念）。我曾经见到过只用42个企业样本做SEM模型的文章，发表在2004年的某学报上，我很奇怪他的模型居然能收敛。
（2）在人力物力可能的情况下，收集尽可能多的样本是值得的。样本容量越大，在做数据清洗和模型修正时将会有更大的余地。如果你够狠，可以收集到的样本量够多，你甚至还可以数据分组，从而发现更多的创新点。
（3）很多人样本容量不够，就用当前的样本容量计算出一个协方差矩阵，然后在程序中修改样本容量，原来是100的，改成300。这种事情我听过好几次，应当还有人在继续做。其中有什么坏处，呵呵，在这里我就不讲了，反正是某个参数下降，然后在论文中没有胆量报告，或者干脆修改输出结果。
本文来自: 人大经济论坛 详细出处参考：
（2）观测变量的个数问题
& & 通常认为，观测变量不宜太多，当然也不宜太少，推荐是3-5个。但是具体的原因是什么，许多书籍对此都语焉不详。
事实上，与样本容量相同，观测变量当然是越多越好，潜变量对应的观测变量越多，说明对潜变量的描述越全面，
然而，观测变量越多，模型就越复杂，通过检验的可能性就变差，同时对样本容量的要求也越高，在客观上增加了
调研的难度。
& && &由于SEM要求变量服从多元正态分布，所谓多元正态分布，并不是每个变量都服从正态分布就可以了。每个变量都服从
正态分布，并不保证整体服从多元正态分布。但是在单个变量都服从正态分布的情况下，变量越多，整体服从多元正态分布的
可能性就越高，因此从这个意义上来讲，当然是观测变量越多越好。
& & 在实践操作中，观测变量多，模型操作的余地就比较大。通常一个潜变量对应的若干观测变量在经历了信度、效度（汇聚、区分）
正态性等等前测后，总会有一些观测变量会被删除，如果自己的观测变量少于3个，这种删除变量提高模型质量的做法就很难进行。
我个人认为，问卷调查时，观测变量不得少于5个，以6-8个为佳，在完成数据前测之后，至少要有5个变量。事实上，观测变量
多了总比少了强，多了可以删，少了可就难办了。
& & 当然，对于以量表形式测量的潜变量来说，即使很简单的量表，通常也有5个以上的题项。但是对于一些没有成熟量表的概念来说，
创造出6-8个题来测量还真不是一件容易的事情。这时候，就要用到心理测量的知识和方法了，此处不予赘述。
& & 需要指出的是，在保证题项多于3个的基础上，还要保证题项的平衡，即模型中，不同潜变量对应的观测变量的个数最好比较接近，
如果相关太多，会影响模型的质量和稳定性。
& & 有不少文章中，一个潜变量只有两个变量，甚至只有一个观测变量，这是肯定不可以的。侯杰泰的书上详细说明了对于单变量的潜变量
在处理时，要注意的一些问题。不难看出，由于需要指定部分载荷系数，因此模型的可信度将受到影响。
& & 题项太多了怎么办，这又是另外一个问题：题项合并，这个我在后面会予以说明
我的QQ：，欢迎交流，批评指正
本文来自: 人大经济论坛 详细出处参考：
按： 原来以为这个系列贴会有比较多的人关注，现在看来看的人不多，回复的就更少了，呵呵，有点失望
如果有人愿意做更深次的讨论的话，可以联系我
（３）模型的大小与合适的模型
　　尽管已经有越来越多的人认识到，ＳＥＭ只是一个工具，应用时相关实证模型的理论基础才是最重要的。但是在国内期刊的
论文中，还是明显能够看到为应用而应用的情况。就好象前面有一个帖子问“SEM能够用于面板数据”，先不说能用不能用，单
就是这种思路就有问题，如果论文中应用的是面板数据，当然应当是问“面板数据用什么方法来求解比较科学”。为数据找科学
的方法，而不是因为熟悉了一个方法，就想尽办法来应用它。
& && &&&实证研究中，永远都是理论是第一位的，逻辑推理是第二位的，模型构建是第三位的，统计方法是最末位的。
& && &&&用过线性回归的朋友都有过这样的印象，同样的数据，如果一次列入比较多的自变量，模型通过的可能性就会比较低，如果
列入的变量比较少，甚至只有单自变量，则能够通过检验的可能性大大增加。对于SEM来说，同样存在这样的问题。
& && & 经常有人问我：我的模型（假设）通不过检验怎么办？我答：把模型做简单点。也许这是唯一简捷的方法。不可否认，一个复杂
的模型确实很有震撼力，但是面对一堆较低的指标，通常也是很尴尬的事情。
& && &然而，我的意思并不是让大家都做简单的模型。相反，在大的模型能够通过检验的情况下，尽量还是用大的模型。大的模型包含了
多的潜变量，它相当于把所有的研究变量纳入一个系统中研究，而如果拆分成一个个小的模型，只能研究在不考虑其他变量的情况下，
小的模型中所涉及到的变量之间的关系。
& && &一个不得不面对的问题是：一个假设，如果放在大模型中检验，结果显示通不过，但是放到小模型中检验，却通过了。我们该相信谁？
& &&&我的观点：如果理论支持复杂的模型，我们就应当以大模型的结果为准。而如果你想创新理论，则不妨先从小一点的模型做起，再逐步
放大模型的规模。
& &&&那么，什么是“合适的模型”。一个合适的模型，至少应当满足以下条件：
（1）模型的建立有明确的理论支持；
（2）模型中的变量应当包括该研究中大多数变量；
（3）模型所涉及到的“边界”是清晰的（什么是模型的边界，这是个很抽象的概念，大家意会吧）
（4）模型中的假设应当有超过一半是显著的（否则你的理论肯定是有问题，或者模型的边界不够清晰，比如你把一些关系不大的变量也纳入模型中了）
（5）模型的输出结果是可解释的，即使是未通过检验的假设，也有尽可能合理的解释。
& && &颇为遗憾的是，在许多论文中，我们只能看到作者呈现的最终结果，至于模型被检验、甚至是被修正的过程，限于篇幅或者其它众所周知的原因，都
没有报告，我们无法判断模型是否是合适的，有时甚至难以判断模型是否是“边界清晰”的。有的作者甚至只呈现出一个输出结果，连这个输出结果是
用“大”模型还是“小”模型输出的，都没有办法判断。
& && &还有一些作者，在学位论文中，用了一个大的模型，然后把这个大模型分拆成若干个小的模型，分别发表出来，有时路径系数甚至都是相同的，呵呵
还有一些更夸张的做法：比如假设是一条一条验证的，然后自己手绘一个SEM模型图，把一条一条验证的结果同时绘在这张图上。
& && &对于大模型与小模型的检验结果相矛盾这个问题上，我想值得统计学家来研究一下。以上我的想法仅供大家参考，谢谢
本文来自: 人大经济论坛 详细出处参考：
（4）统计显著的意义
& && &统计显著，实证研究不得不面对的一个问题，也是许多研究者一直努力想得到的东西。由理论分析提出了一个好的假设，通过辛苦努力得到了足够数量的样本，然而最后检验的结果却是“不显著”，望着SEM图上的红色，我相信许多人都有被人“当头一棒”的感觉，说“日月无光、天地变色”有点儿严重，但是心情低落那是肯定的。
& && &实证研究中的显著性水平一般有三个（0.05、0.01、0.005），当然也有到0.1或者0.001的，但是最常见的也就是前两个，其中尤其以0.05的显著性水平是用得最多的。在SEM的模型检验中，用得最多的是T检验，众所周知，由于T检验对于自由度来说并不太敏感，当自由度在30以上时，t的临界值（双侧）在2左右，当自由度趋向无穷时，t的临界值（双侧）在1.96，也差不多是2。因此实际上我们辛辛苦苦做调研，做统计分析，都是为的这个“2“。所以我的一个爱开玩笑的朋友笑称：“确实我们的努力目标都是2“，呵呵
& && & 不开玩笑，我们来看看统计显著的意义。由于T检验是SEM当中最重要的检验，因此我们这里只分析T值，学过统计学的同学都知道，T值是拟合参数与标准差的比值，举个例子：&&某载荷系数是1.033& && &标准差是0.068，T值是15.307。---------我曾经看过不止一篇论文，其中标记的载荷系数、标准差与T值居然没有任何关系，呵呵---------再次提醒，我不是教大家造假，关于如何辨别伪造的数据，我后面会多少讲一些辨别的方法。
& && &那么，如果某条路径没有通过检验，那么是不是就一无是处呢？或者反过来，如果一条路径通过了检验，那么是不是就值得欢呼雀跃呢？
& && &首先，我们来看一看统计显著的定义是什么，讲到统计显著，就不得不提到假设检验，正是有了假设检验，才有了显著性。在假设检验时，我们总会设定一个零假设H0对照，在T检验中，我们通常设计的H0是：两个变量没有关系（类似的表达），然后由此进行计算，结果发现如果按照两个变量没有关系去推，会产生矛盾，由此来否定H0，于是就说明两个变量之间有关系。这实际上是一种反证法的思路。
& && &如果我不是在偷换概念的话，上面的表述是不是可以简化成为：所谓显著性，是跟“完全没有关系”在比较，是显著的。就好象我有1000，钱虽然不多，但是如果跟路边的乞丐去比的话，我还是算一个“显著的”富人。
& && &我想我是讲清楚了。统计意义上的显著，从实证的角度来看，只是一个较低的要求，因为这里的显著，是跟“完全没有关系”的标准在比较。而真正意义上的显著，是要追求“可解释”。这才是我的观点。
& && &举例来说，如果你的路径系数为0.10，如果标准差足够小（例如为0.05），这样你的T值是2,是显著的，但是，这0.1的路径系数，是不是值得你去大书特书？是不是值得你去欢呼雀跃？你有没有能力去解释两个变量之间0.1的路径背后隐藏的理论和实践依据？
& && &一个在相关分析中经常听到的标准可以作为辅助材料来理解我的观点。通常认为0.7以上的相关系数为强相关，0.3-0.7为中等相关，0.3以下为弱相关。事实上，对于0.3以下的相关系数，通常也能够通过检验，但是我们实在难以解释0.3以下的相关系数能有什么意义。（A与B相关系数为0.7，只代表彼此能够解释对方49%的信息，如果为0.3的相关系数，由只能解释对方9%的信息，这样的相关系数要它何用？）
& && & 现在再来回答上面问题的另一半：如果路径系数通不过检验，该怎么办？如果你的路径系数足够大，但是t值太低以至于通不过检验，那么显然，路径系数对应的标准差太大了，这时降低标准差通常可以提高t值。如何提高t值？
& && &呵呵，标准差太大，意味着什么？显然是涉及到的潜变量对应的观测变量离散性大，它等价于，不同受访者对同一问题的看法差异明显，它又等价于，受访者身份有可能是一个调节变量，它又等价于，你或许可以做模型分组（当然样本容量要足够大），它又造价于，你可能要有一个全新的发现。好了，一个新的创新点出台了，论文的亮点又多了一个。
& && &以上分析，我来总结一个我的观点：
（1）统计显著只是一个较低的要求，通过了应当考虑如何解释，通不过可能说明其中包含创新点；
（2）无论何时，不要数据造假，因为你可能失去了一个很重要的发现，也许这个发现将会以你的名字命名；
（3）数据是死的，理论和逻辑推理才是鲜活的。
（4）最后一点，我不是学统计的，上面的观点请统计大牛来进行更严密的解释。
本文来自: 人大经济论坛 详细出处参考：
受益，谢谢
研究得較為深入了
写的很好很犀利。曾经通过qq指教过我！
很受益，谢谢...
总评分:&经验 + 20&
论坛币 + 140&
学术水平 + 14&
热心指数 + 11&
信用等级 + 3&
本帖最后由 yangyang9189 于
21:29 编辑 wenpan9933 发表于
个人感觉SEM对数据的要求较高，我们曾经做了两个项目试图用SEM，结果都没有通过，职能作罢。因为数据的相关系数矩阵负数太多，无法得到收敛结果。而且SEM有很多是主观数据，这些数据的可信度有些不那么令人放心。ynsxx 发表于
强烈同意楼上的观点。实际上，SEM更多是一个理论为主导的东西，而不应该是看数字说话。但国内很多只知其一点，就模仿来做，而不理解真实意义。候杰泰老师的书我看过了，说实话，太费力。看完不知道很多。而看国外的书时，有些的讲解确实不错，当然，要有好的数据和例子支持。如这本书，我看了，很简单，但讲解不错，应该值得读一读。
目前还有本讲confrim factor analysis的，讲解很不错，好像出第2版本了。而目前还有explore SEM，也是很好的思路。
国内的急功尽利，对结果的理解不是看所有，只是看几个，有些结果不理解就不放弃了，呈现的都是好的。实际上对结果要逐一解读，考虑有可能的因素，而不要去改什么数据，这对自己没有提高的。我是风儿1224 发表于
今天一上来就看到这么好的帖子，真是高兴啊，我用结构模型做过东西，不过最后的验证结果却和我的理论相差较远，很郁闷，不知道该怎么解释了
当前国内期刊上SEM应用中的常见问题（二）
考虑到国内学术生态的现状，以及从推动规范的实证研究范式在国内应用的角度，我们对关于SEM应用中的
种种问题需要予以谅解，当然有意的学术造假除外，抛弃学术道德的伪造数据甚至篡改结果，不但是对科学研究
的不尊重，也是对调查问卷的受访者不尊重。前两天，韩国的某著名科学家被判入狱，这应当是一个很好的警示。
& & 以下，结合我的一点经验，大致讲讲国内期刊在SEM应用上的一些问题或者是不足。这其中不涉及具体的文章，
也不涉及具体的杂志，当然更不可能涉及到具体的作者，大家也不要对号入座。我也尽量把自己知道的都写上，
但是不保证会写完，呵呵，我不是一个有耐心的人。
& & 需要指出的是，考虑到人大经济论坛在国内学术圈的地位，这其中牛人很多，统计学的泰山北斗可能也随时会
寄情于此，所以我的一点浅见，难免会让大家耻笑。因此特意注册了一个新ID，牛人们如果认为我错了，也可以
随时指正，共同提高才是我发本贴的终极目标。
& & 以下可能涉及的方面包括：
(1)关于问卷调查的样本量，潜变量题项的数量
(2)大与小的模型与合适与否的模型
(3)统计显著的含义
(4)论文中应当给出的统计结果
(5)模型如何解释，什么算是过度解释
(6)数据的正态性是否是必要的
(7)为什么SEM有助于将问卷调查研究变成伪科学
(8)怎样判断一篇文章是否伪造了数据
(9)关于提高学术文章质量的一点想法
总评分:&学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
个人感觉SEM对数据的要求较高，我们曾经做了两个项目试图用SEM，结果都没有通过，职能作罢。因为数据的相关系数矩阵负数太多，无法得到收敛结果。而且SEM有很多是主观数据，这些数据的可信度有些不那么令人放心。
我还以为是有关SEO的呢
积分 2051, 距离下一级还需 174 积分
权限: 自定义头衔, 签名中使用图片, 隐身, 设置帖子权限
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡, 抢沙发, 提升卡下一级可获得
权限: 设置回复可见道具: 沉默卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
(1) 由于有些资料在家里，如果引用的地方有错，我会在确认后修改
(2) 刚才有朋友在QQ上给我说：不能带坏年轻人。呵呵，所以尽管我看到了许多不好的做法，但是我想还是不要在这里把这些不好的方法公开吧。但是如果不公开呢，又确实对国内期刊上某些人的做法表示气愤，纠结中
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
（1）关于问卷调查的样本量
& & 教育科学出版社出了候杰泰的一本书，上面关于样本量有较为详细的说法，但是至于究竟多大的样本才是合适的并没有给出定论，只是列举了许多学者的观点，有说&150，有说200起步的，也有说500以上，甚至是1000也不算多的。其实，侯老师没有给出定论是对的，模型不同，所需要的样本容量肯定是不同的。由于SEM脱胎于线性回归，是路径分析和因子分析的联合体，因此我们可以从上面这些方法中寻找理论依据。
& & 共所周知，线性回归要求：基本要求的样本容量，一般经验认为：n ≥ 3(k+1)才能满足模型估计的基本要求。 n ≥ 3(k+1)时，t分布才稳定，检验才较为有效.&&其中K是检验变量的个数。由于SEM模型中，需要估计的变量的个数与潜变量（观测变量）的个数以及路径系数的多少有关，对于一个内生潜变量一个外生潜变量的全模型来说，如果每个潜变量包括三个观测变量，那么需要估计的变量个数大约是13个（6个载荷系数，6个残差，1个路径系数），这样就需要至少40个样本量。对于一个最简单的模型都是这样，就更不用说再复杂的全模型了。
& & 因此我的观点：
（1）样本容量是根据模型的复杂程度来定的，原则上不能低于待估计变量的2倍，或者是观测变量的8到10倍；否则模型要么不收敛（协方差矩阵不正定），要么得出的参数不稳定（由于我们在论文中仅呈现一个模型输出结果，因此很多人对于“参数不稳定”没有概念）。我曾经见到过只用42个企业样本做SEM模型的文章，发表在2004年的某学报上，我很奇怪他的模型居然能收敛。
（2）在人力物力可能的情况下，收集尽可能多的样本是值得的。样本容量越大，在做数据清洗和模型修正时将会有更大的余地。如果你够狠，可以收集到的样本量够多，你甚至还可以数据分组，从而发现更多的创新点。
（3）很多人样本容量不够，就用当前的样本容量计算出一个协方差矩阵，然后在程序中修改样本容量，原来是100的，改成300。这种事情我听过好几次，应当还有人在继续做。其中有什么坏处，呵呵，在这里我就不讲了，反正是某个参数下降，然后在论文中没有胆量报告，或者干脆修改输出结果。
强烈同意楼上的观点。实际上，SEM更多是一个理论为主导的东西，而不应该是看数字说话。但国内很多只知其一点，就模仿来做，而不理解真实意义。候杰泰老师的书我看过了，说实话，太费力。看完不知道很多。而看国外的书时，有些的讲解确实不错，当然，要有好的数据和例子支持。如这本书，我看了，很简单，但讲解不错，应该值得读一读。
目前还有本讲confrim factor analysis的，讲解很不错，好像出第2版本了。而目前还有explore SEM，也是很好的思路。
国内的急功尽利，对结果的理解不是看所有，只是看几个，有些结果不理解就不放弃了，呈现的都是好的。实际上对结果要逐一解读，考虑有可能的因素，而不要去改什么数据，这对自己没有提高的。
提示: 作者被禁止或删除 内容自动屏蔽
感謝&&樓主與樓上大大的說明講解！
一手論語，一手算盤。
熙熙攘攘，名來利往。
下載資料，有來回覆是王道！！
不错！支持一下
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师