Моделі структурних рівнянь (SEM) та Баєсові мережі (BN)

Термінологія тут - безлад. "Структурне рівняння" є настільки ж розпливчастим, як "архітектурний міст", а "Байєсова мережа" не є по суті байєсівською . Ще краще, що Бог-беззастережність Юдея Перл каже, що дві школи моделей майже однакові.

Отже, які важливі відмінності?

(Дивно, як на мене, сторінка Вікіпедії для SEM навіть не включає слово "мережа" станом на цей текст.)

Наскільки я можу сказати, Bayesian Networks не стверджують, що можуть оцінювати причинно-наслідкові ефекти в ненаправлених ациклічних графіках, тоді як SEM це робить. Це узагальнення на користь SEM ... якщо ви вірите.

Прикладом цього може бути вимірювання когнітивного зниження серед людей, у яких пізнання є прихованим ефектом, оціненим за допомогою інструменту обстеження, такого як 3MSE, але деякі люди можуть зменшити пізнання як функцію використання больових медикаментів. Їх больові препарати, можливо, були наслідком травмування себе через когнітивний спад (падаючи, наприклад). Отже, при аналізі поперечного перерізу ви побачили графік, що має форму круга. Аналітики SEM люблять вирішувати подібні проблеми. Я тримаюсь ясно.

У світі мережі Байєса у вас є дуже загальні методи оцінки умовної незалежності / залежності вузлів. Можна використовувати повністю параметричний підхід з будь-якою кількістю розподілів або про байєсівські непараметричні підходи, про які я чув. SEM, оцінені за допомогою ML, вважаються (як правило) нормальними, це означає, що умовна незалежність еквівалентна нульовій коваріації для 2 вузлів на графіку. Я особисто вважаю, що це досить вагоме припущення, і було б дуже мало надійності для моделювання помилок.

Я насправді цього не розумію, але дивіться тут :

Моделі структурних рівнянь та байєсівські мережі виглядають настільки тісно пов'язаними, що можна було легко забути відмінності. Модель структурного рівняння - це алгебраїчний об’єкт. Поки причинний графік залишається ациклічним, алгебраїчні маніпуляції трактуються як втручання в причинну систему. Мережа Баєса - це генеративна статистична модель, що представляє клас спільних розподілів ймовірностей, і, як така, не підтримує алгебраїчних маніпуляцій. Однак символічне зображення його Маркова факторизації - це алгебраїчний об'єкт, по суті еквівалентний моделі структурного рівняння.