本研究中的回归模型的平均值是

[rakibhasanbd4723]

AlexaRank：Alexa.com 的排名分数，基于连续三个月的用户流量数据。网站排名基于独立访客和页面浏览量的综合衡量标准。综合排名最高的网站排名第一，数字越高，排名越低，流量数据越低。
Facebook 关注者数：出版物 Facebook 页面的粉丝数（或“赞”）数量。
Twitter 关注者：出版物或博主的 Twitter 帐户的关注者数量。对于拥有多个帐户和/或投稿作者的出版物，仅使用关注者最多的帐户。
Pinterest 关注者：出版物或博主的 Pinterest 帐户的关注者数量。
假设
假设本研究中的数据集是整个博 尼日利亚电报筛选 客和其他在线出版物生态系统的代表性样本，因为结果与 Moz 的 页面权威分布非常相似，该分布分析了超过 10,000 个 SERP 和 200,000 个唯一页面。该回归模型的平均页面权威为 40.8，标准差为 15.1。分布如下图所示。


Moz-分布.jpg
47.1，标准差是 15.5。博客和出版物样本集的页面权威性略高于 Moz 研究。这是意料之中的，因为该研究仅测量了根域，而不测量这些域内的长尾页面。


出版商-分发.jpg
除了这个微小的差异之外，分布曲线几乎相同。对于那些喜欢数字的读者来说，本研究中页面权威数据​​的描述性统计数据如下。


出版物统计.jpg
限制
赞助内容产品的变化——该研究根据一篇赞助文章的成本确定了定价基准。由于一些出版物只向营销人员提供长期承诺，其中可能包括其他好处（横幅、电子邮件、社交推广等），因此一些出版物的单位定价可能会被夸大。因此，回归模型可能不是所有情况下都准确的价格预测器。