Модели структурных уравнений (SEM) против байесовских сетей (BN)

Терминология здесь беспорядок. «Структурное уравнение» примерно так же расплывчато, как «архитектурный мост», и «байесовская сеть» не является байесовской . Даже лучше, Бог причинности, Иудея Перл, говорит, что две школы моделей почти идентичны.

Итак, каковы важные различия?

(Удивительно для меня, страница Википедии для SEM даже не включает слово «сеть» на момент написания этой статьи.)

Насколько я могу судить, байесовские сети не претендуют на то, что способны оценивать причинные эффекты в неориентированных ациклических графах, в то время как SEM это делает. Это обобщение в пользу SEM ... если вы в это верите.

Примером этого может быть измерение когнитивного снижения у людей, у которых когнитивное развитие является скрытым эффектом, оцениваемым с помощью такого инструмента обследования, как 3MSE, но у некоторых людей снижение когнитивных функций может зависеть от использования болеутоляющих средств. Их болеутоляющие средства могли быть следствием травмирования себя из-за снижения когнитивных способностей (например, падения). Итак, при анализе поперечного сечения вы увидите график, который имеет круглую форму. Аналитики SEM любят решать подобные проблемы. Я держусь подальше.

В мире байесовской сети у вас есть очень общие методы оценки условной независимости / зависимости узлов. Можно использовать полностью параметрический подход с любым количеством распределений или перейти к байесовским непараметрическим подходам, о которых я слышал. SEM, оцененная с использованием ML, (обычно) считается нормальной, что означает, что условная независимость эквивалентна нулевой ковариации для 2 узлов в графе. Я лично считаю, что это довольно сильное предположение, и оно будет иметь очень мало устойчивости к неправильной спецификации модели.

Я не очень понимаю это, но смотрите здесь :

Модели структурных уравнений и байесовские сети кажутся настолько тесно связанными, что можно легко забыть о различиях. Модель структурного уравнения является алгебраическим объектом. Пока причинный граф остается ациклическим, алгебраические манипуляции интерпретируются как вмешательства в причинную систему. Байесовская сеть является порождающей статистической моделью, представляющей класс совместных распределений вероятностей, и, как таковая, не поддерживает алгебраические манипуляции. Тем не менее, символическое представление его факторизации Маркова является алгебраическим объектом, по существу эквивалентным модели структурного уравнения.