SEO方法与Alexa排名的多元回归分析-导哥seo培训

有关seo方法与Alexa排行的有关假定，我们在第4章中明确提出了如下所示假定： H4a：关键字数量及长短对Alexa排行有明显正面危害；           H4b：网页页面构造对Alexa排行有明显正面危害；

H4c：连接对Alexa排行有明显正面危害； H4d：SERP页应对Alexa排行有明显正面危害； H4e：文字比例对Alexa排行有明显正面危害； H4f：关键词搜索量对Alexa排行有明显正面危害；

在5.3.4剖析seo方法各因素与Alexa排行的关联性时，大家早已发觉关键字数量及长短、网页页面构造、连接、SERP网页页面、文字比例、关键词搜索量与Alexa排行沒有显著的关联性，因而大家无须再对它进行多元回归分析，就可以下结论：seo方法对Alexa排行沒有独特性危害，H4有关的假定皆不创立。6种seo方法均沒有对Alexa排行造成危害，表明这种seo方法的功效还不够显著，危害Alexa排行的应当不仅seo要素，也有别的更主要的要素尚需将来开展深入分析。

• seo方法与跳失率的多元回归分析

有关seo方法与跳失率的有关假定，我们在第4章中明确提出了如下所示假定： H5a：关键字数量及长短对跳失率有明显负向危害；           H5b：网页页面构造对跳失率有明显负向危害；

H5c：连接对跳失率有明显负向危害； H5d：SERP页应对跳失率有明显负向危害； H5e：文字比例对跳失率有明显负向危害； H5f：关键词搜索量对跳失率有明显负向危害；

为了更好地认证这种假定，大家挑选seo实际效果数据信息中的跳失率做为自变量，将seo方法中的关键字数量及长短、网页页面构造、连接、SERP网页页面、文字比例、关键词搜索量这6个要素做为变量，开展多元线性回归剖析，选用Stepwise多元回归分析方式 ，显著性水平设成0.05， 剖析結果如下所示表5.13所显示：

从表5.13中可以看得出，实体模型的承受度和VIF值均根据检测，可是在获得线性回归方程以前，大家仍必须对线性回归方程开展拟合优度检验（R²）检测、相关系数的显著性检验（t 检测）和线性回归方程的显著性检验（F检验）。最先是拟合优度检验（R²）检测，表5.13中调节后的R²为0.518，表明连接自变量可以表述Google百度收录页自变量的51.8%，超过0.4，表明方程式的拟合程度不错；次之是相关系数的显著性检验，SERP网页页面的t值是11.992，做到0.05 的显著性水平，因此SERP网页页面可以做为浏览量的自变量存有于实体模型中；随后是线性回归方程的显著性检验，从表5.13中可以看得出方程式的F值为24.817，Sig值为0.000，可以觉得方程式中SERP网页页面与跳失率的线性相关是明显的，因此线性回归方程总体根据显著性检验。

与此同时大家获得跳失率的线性回归方程： 跳失率=-0.259*SERP网页页面 0.596

从而得到如下所示结果：

SERP页应对跳失率有明显负危害，即假定H5d创立。在回归分析中，相匹配的独特性为0.008，低于0.05，SERP网页页面与跳失率的相关系数为-0.259。因而，SERP页应对跳失率有明显负向危害，而连接、网页页面构造、文字比例、关键词搜索量、关键字数量及长短对跳失率沒有明显危害，假定H5d创立，其他皆不创立。SERP网页页面的title、meta叙述的长短会负性危害到网址的跳失率，而title、meta叙述长短是有一定范畴的，因而title、meta 叙述长短应当在该范畴内越久越好。

以上就是SEO方法与Alexa排名的多元回归分析-导哥seo培训的全部内容，