구조 방정식 모델 (SEM)과 베이지안 네트워크 (BN)

여기서의 용어는 혼란입니다. "구조 방정식"은 "건축 다리"만큼 모호하며 "베이지안 네트워크"는 본질적으로 베이지안 이 아닙니다 . 더 좋은 것은, 인과 관계 유대 진주는 두 모델 학교가 거의 동일하다는 것입니다.

그렇다면 중요한 차이점은 무엇입니까?

(SEM의 Wikipedia 페이지에는이 글을 쓰는 시점에 "네트워크"라는 단어조차 포함되어 있지 않습니다.)

내가 알 수있는 한, 베이지안 네트웍스는 비 지향 비순환 그래프에서 인과 관계 영향을 추정 할 수 없다고 주장하지만 SEM은 그렇지 않다. SEM을지지하는 일반화입니다.

예를 들어인지가 3MSE와 같은 조사 도구를 사용하여 추정 된 잠복 효과 인 사람들의인지 감소를 측정 할 수 있지만, 일부 사람들은 통증 치료제 사용법에 따라인지가 감소 될 수 있습니다. 그들의 통증 치료제는인지 기능 저하 (예 : 넘어짐)로 인해 부상을 입었을 수 있습니다. 따라서 단면 분석에서 원형 모양의 그래프를 볼 수 있습니다. SEM 분석가는 그런 문제를 해결하는 것을 좋아합니다. 나는 명확하게 조종한다.

Bayes 네트워크 세계에서는 노드의 조건부 독립 / 종속성을 평가하는 매우 일반적인 방법이 있습니다. 분포에 관계없이 완전 모수 적 접근 방식을 사용하거나 내가 들었던 베이지안 비모수 적 접근 방식을 사용할 수 있습니다. ML을 사용하여 추정 된 SEM은 (보통) 정상인 것으로 가정되는데, 이는 조건부 독립성은 그래프에서 2 개의 노드에 대해 공분산이 0 인 것과 같습니다. 나는 개인적으로 이것이 다소 강력한 가정이며 잘못된 사양을 모델링하는 데 거의 견고성이 거의 없다고 생각합니다.

나는 이것을 정말로 이해하지 못하지만 여기를 참조 하십시오 :

구조 방정식 모델과 베이지안 네트워크는 서로 밀접하게 연결되어 차이를 잊기 쉬울 수 있습니다. 구조 방정식 모델은 대수 객체입니다. 인과 관계 그래프가 비 주기적으로 유지되는 한, 대수 조작은 인과 시스템에 대한 개입으로 해석됩니다. 베이지안 네트워크는 관절 확률 분포의 클래스를 나타내는 생성 통계 모델이며, 따라서 대수 조작을 지원하지 않습니다. 그러나 마르코프 인수 분해의 상징적 표현은 대수 객체이며, 본질적으로 구조 방정식 모델과 동일합니다.