แบบจำลองสมการโครงสร้าง (SEMs) กับ Bayesian Networks (BNs)

19

คำศัพท์ที่นี่เป็นระเบียบ "สมการโครงสร้าง" เป็นเรื่องที่คลุมเครือว่า "สถาปัตยกรรมสะพาน" และ "เครือข่ายแบบเบย์" คือไม่ได้ภายในแบบเบย์ ยิ่งกว่านั้น God-of-causality Judea Pearl กล่าวว่าโรงเรียนทั้งสองแห่งมีรูปแบบเหมือนกันเกือบจะเหมือนกัน

ดังนั้นอะไรคือความแตกต่างที่สำคัญ?

(น่าประหลาดใจสำหรับฉันหน้า Wikipedia สำหรับ SEM ไม่ได้รวมคำว่า "เครือข่าย" ไว้ในการเขียนนี้)

sem bayesian-network causality

— zkurtz
แหล่งที่มา

นี่คือคำอธิบายสั้น ๆ จากจูเดียเพิร์ลเอง: causality.cs.ucla.edu/blog/index.php/2012/12/07/…

— dmp

@dmp ขอบคุณที่ดูเหมือนจะเป็นเวอร์ชั่นใหม่ของลิงค์เสียก่อนหน้าของฉันที่ด้านบนใน 'Judea Pearl' - แก้ไขแล้ว

— zkurtz

11

เท่าที่ฉันสามารถบอกได้ Bayesian Networks ไม่เรียกร้องให้สามารถประเมินผลกระทบเชิงสาเหตุในกราฟอะซิลิคแบบไม่กำกับในขณะที่ SEM ทำ นั่นเป็นลักษณะทั่วไปในความโปรดปรานของ SEM ... ถ้าคุณเชื่อ

ตัวอย่างของสิ่งนี้อาจเป็นการวัดการลดลงของความรู้ความเข้าใจในหมู่คนที่ความรู้ความเข้าใจเป็นผลแฝงที่ประเมินโดยใช้เครื่องมือสำรวจเช่น 3MSE แต่บางคนอาจลดความรู้ความเข้าใจในฐานะหน้าที่ของการใช้ยาแก้ปวด ยาแก้ปวดของพวกเขาอาจเป็นผลมาจากการทำร้ายตัวเองเนื่องจากความเสื่อมของความรู้ความเข้าใจ (ยกตัวอย่างเช่น) ในการวิเคราะห์แบบตัดขวางคุณจะเห็นกราฟที่มีรูปร่างเป็นวงกลม นักวิเคราะห์ SEM ต้องการจัดการปัญหาเช่นนั้น ฉันคัดท้ายชัดเจน

ในโลกเครือข่าย Bayes คุณมีวิธีการทั่วไปในการประเมินความเป็นอิสระตามเงื่อนไข / การพึ่งพาของโหนด หนึ่งสามารถใช้วิธีการเชิงพารามิเตอร์อย่างเต็มที่กับจำนวนของการแจกแจงใด ๆ หรือไปเกี่ยวกับวิธีการที่ไม่ใช่พารามิเตอร์แบบเบย์ที่ฉันเคยได้ยินเกี่ยวกับ SEM โดยประมาณใช้ ML เป็น (โดยปกติ) สันนิษฐานว่าเป็นเรื่องปกติซึ่งหมายความว่าความเป็นอิสระตามเงื่อนไขเทียบเท่ากับความแปรปรวนร่วมศูนย์สำหรับ 2 โหนดในกราฟ โดยส่วนตัวผมเชื่อว่าเป็นข้อสมมติฐานที่ค่อนข้างแข็งแกร่งและจะมีความทนทานน้อยมากในการสร้างแบบจำลองการสะกดผิด

— Adamo
แหล่งที่มา

นั่นอาจเป็นความแตกต่างในสิ่งที่ผู้ปฏิบัติงานเรียกว่าการวิเคราะห์ของพวกเขา แต่ไม่มีอะไรบังคับให้ระบบสมการโครงสร้างเป็นตัวแปร @zkurtz: มีการพูดคุยกันอย่างยาวนานและมีรายละเอียดทางเทคนิคว่า SEM อยู่ในรูปแบบใดของ Pearl หากคุณไม่มีหนังสือฉันสามารถลองโพสต์บทสรุปสั้น ๆ และติดตามตัวอย่างที่เขาอ้างถึงในลิงก์ที่คุณโพสต์

— CloseToC

ในขณะที่มันเป็นความจริงที่การประมาณค่าความแปรปรวนร่วมมีความสอดคล้องกับแบบจำลองความน่าจะเป็นที่ไม่ปกติประเด็นหลักคือการตีความความแปรปรวนร่วม 0 เป็นความเป็นอิสระตามเงื่อนไข โดยทั่วไปสามารถกล่าวได้ว่าเป็นตัวแปรแบบกระจายเท่านั้น

— AdamO

2

ฉันไม่เข้าใจสิ่งนี้จริงๆ แต่ดูที่นี่ :

แบบจำลองสมการโครงสร้างและเครือข่ายแบบเบย์ปรากฏขึ้นเพื่อเชื่อมโยงอย่างใกล้ชิดว่ามันอาจจะลืมความแตกต่างได้ง่าย โมเดลสมการโครงสร้างเป็นวัตถุเชิงพีชคณิต ตราบใดที่กราฟเชิงสาเหตุยังคงเป็นแบบวนรอบพีชคณิตพีชคณิตจะถูกตีความว่าเป็นการแทรกแซงในระบบเชิงสาเหตุ เครือข่ายแบบเบย์เป็นรูปแบบสถิติเชิงกำเนิดที่แสดงถึงคลาสของการแจกแจงความน่าจะเป็นร่วมและเช่นนี้ไม่สนับสนุนการเปลี่ยนแปลงเชิงพีชคณิต อย่างไรก็ตามการเป็นตัวแทนสัญลักษณ์ของการแยกตัวประกอบมาร์คอฟเป็นวัตถุเกี่ยวกับพีชคณิตซึ่งเทียบเท่ากับโมเดลสมการโครงสร้าง

— zkurtz
แหล่งที่มา

โดยเฉพาะฉันสงสัยว่าพวกเขาหมายถึง "พีชคณิตบิดเบือน" ในบริบทนี้

— zkurtz