Mô hình phương trình cấu trúc (SEM) so với Bayesian Networks (BNs)


19

Thuật ngữ ở đây là một mớ hỗn độn. "Phương trình cấu trúc" mơ hồ như "cây cầu kiến ​​trúc" và "mạng Bayes" về bản chất không phảiBayes . Thậm chí tốt hơn, Thần nhân quả Judea Pearl nói rằng hai trường phái mô hình gần như giống hệt nhau.

Vì vậy, sự khác biệt quan trọng là gì?

(Thật ngạc nhiên với tôi, trang Wikipedia cho SEM thậm chí không bao gồm từ "mạng" khi viết bài này.)


Đây là một lời giải thích ngắn gọn từ chính Judea Pearl: duyên
dmp

@dmp, cảm ơn, đó dường như là phiên bản mới của liên kết bị hỏng trước đây của tôi ở trên trên 'Judea Pearl' - đã sửa
zkurtz

Câu trả lời:


11

Theo như tôi có thể nói, Bayesian Networks không tuyên bố rằng có thể ước tính các tác động nhân quả trong các biểu đồ chu kỳ không định hướng, trong khi SEM thì có. Đó là một sự khái quát có lợi cho SEM ... nếu bạn tin vào điều đó.

Một ví dụ về điều này có thể là đo lường sự suy giảm nhận thức ở những người mà nhận thức là một tác động tiềm ẩn được ước tính bằng cách sử dụng một công cụ khảo sát như 3MSE, nhưng một số người có thể giảm nhận thức như là một chức năng của việc sử dụng thuốc giảm đau. Thuốc giảm đau của họ có thể là hậu quả của việc tự làm mình bị thương do suy giảm nhận thức (ví dụ như ngã). Và do đó, trong một phân tích cắt ngang, bạn sẽ thấy một biểu đồ có hình tròn. Các nhà phân tích SEM muốn giải quyết các vấn đề như thế. Tôi bẻ lái rõ ràng.

Trong thế giới mạng Bayes, bạn có các phương pháp rất chung để đánh giá sự độc lập / phụ thuộc có điều kiện của các nút. Người ta có thể sử dụng một cách tiếp cận tham số đầy đủ với bất kỳ số lượng phân phối nào, hoặc đi về các phương pháp tiếp cận không tham số Bayes mà tôi đã nghe nói. SEM ước tính sử dụng ML (thường) được coi là bình thường, điều đó có nghĩa là tính độc lập có điều kiện tương đương với việc có hiệp phương sai bằng 0 cho 2 nút trong biểu đồ. Cá nhân tôi tin rằng đó là một giả định khá mạnh mẽ và sẽ có rất ít sự mạnh mẽ để mô hình hóa sai chính tả.


Đó có thể là một sự khác biệt trong những gì các học viên gọi là phân tích của họ, nhưng không có gì buộc một hệ phương trình cấu trúc phải là tham số. @zkurtz: Có một cuộc thảo luận dài và chi tiết về mặt kỹ thuật về các SEM là gì trong Nhân quả của Pearl. Nếu bạn không có cuốn sách, tôi có thể cố gắng đăng một bản tóm tắt ngắn gọn và theo dõi ví dụ anh ấy đề cập đến trong liên kết bạn đã đăng.
CloseToC

Mặc dù đúng là các ước tính hiệp phương sai phù hợp với các mô hình xác suất không bình thường, vấn đề chính là giải thích 0 hiệp phương sai là độc lập có điều kiện. Nói chung, điều đó chỉ có thể nói về các biến phân phối thông thường.
AdamO

2

Tôi không thực sự hiểu điều này, nhưng xem ở đây :

Các mô hình phương trình cấu trúc và mạng Bayes xuất hiện kết nối mật thiết đến mức có thể dễ dàng quên đi sự khác biệt. Mô hình phương trình cấu trúc là một đối tượng đại số. Chừng nào đồ thị nhân quả vẫn còn theo chu kỳ, các thao tác đại số được hiểu là sự can thiệp vào hệ thống nhân quả. Mạng Bayes là một mô hình thống kê tổng quát đại diện cho một lớp phân phối xác suất chung và, do đó, không hỗ trợ các thao tác đại số. Tuy nhiên, biểu diễn biểu tượng của nhân tố Markov của nó là một đối tượng đại số, về cơ bản tương đương với mô hình phương trình cấu trúc.


Cụ thể, tôi tự hỏi ý nghĩa của chúng là "các thao tác đại số" trong bối cảnh này.
zkurtz
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.