Terminologi di sini berantakan. "Persamaan struktural" kira-kira sama samarnya dengan "jembatan arsitektural" dan "jaringan Bayesian" secara intrinsik bukan Bayesian . Bahkan yang lebih baik, Judea Pearl dari sebab akibat mengatakan bahwa kedua aliran model hampir identik.
Jadi, apa perbedaan penting?
(Luar biasa bagi saya, halaman Wikipedia untuk SEM bahkan tidak menyertakan kata "jaringan" pada tulisan ini.)
sem
bayesian-network
causality
zkurtz
sumber
sumber
Jawaban:
Sejauh yang saya tahu, Bayesian Networks tidak mengklaim dapat memperkirakan efek kausal dalam grafik asiklik yang tidak diarahkan, sedangkan SEM melakukannya. Itu adalah generalisasi yang mendukung SEM ... jika Anda percaya.
Contoh dari ini mungkin mengukur penurunan kognitif di antara orang-orang di mana kognisi adalah efek laten yang diperkirakan menggunakan instrumen survei seperti 3MSE, tetapi beberapa orang mungkin mengalami penurunan kognisi sebagai fungsi dari penggunaan obat sakit. Obat sakit mereka mungkin merupakan konsekuensi dari melukai diri mereka sendiri karena penurunan kognitif (jatuh misalnya). Jadi, dalam analisis cross sectional, Anda akan melihat grafik yang memiliki bentuk lingkaran. Analis SEM suka mengatasi masalah seperti itu. Saya menghindari.
Di dunia jaringan Bayes, Anda memiliki metode yang sangat umum untuk menilai independensi bersyarat / ketergantungan node. Seseorang dapat menggunakan pendekatan parametrik sepenuhnya dengan sejumlah distribusi, atau melakukan pendekatan nonparametrik Bayes yang pernah saya dengar. SEM yang diperkirakan menggunakan ML (biasanya) dianggap normal, yang berarti bahwa independensi bersyarat setara dengan nol kovarians untuk 2 node dalam grafik. Saya pribadi percaya itu asumsi yang agak kuat dan akan memiliki sedikit ketangguhan untuk memodelkan spesifikasi yang salah.
sumber
Saya tidak begitu mengerti hal ini, tetapi lihat di sini :
sumber