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