结构方程模型(SEM)与贝叶斯网络(BN)


19

这里的术语是一团糟。“结构方程”与“建筑桥梁”一样模糊,而“贝叶斯网络” 本质并不是贝叶斯。因果关系之神朱迪亚·珀尔(Judea Pearl)说得更好,这两个模型流派几乎相同。

那么,重要的区别是什么?

(令我惊讶的是,截至本文撰写时,SEM的Wikipedia页面甚至还没有包含“网络”一词。)


这是Judea Pearl本人的简洁解释:causality.cs.ucla.edu/blog/index.php/2012/12/07/…–
dmp

@dmp,谢谢,这似乎是我之前在'Judea Pearl'上断开的链接的新版本-已修复
zkurtz

Answers:


11

据我所知,贝叶斯网络并不声称能够估计无向无环图中的因果效应,而SEM却可以。如果您相信SEM,那就是对SEM的概括。

这方面的一个示例可能是测量人们的认知能力下降,其中认知是使用3MSE这样的调查工具估计的潜在效果,但有些人可能会因使用止痛药而使认知下降。他们的止痛药可能是由于认知能力下降(例如摔倒)而受伤的结果。因此,在横截面分析中,您将看到具有圆形形状的图形。SEM分析师喜欢解决此类问题。我避开了。

在贝叶斯网络世界中,您可以使用非常通用的方法来评估条件的条件独立性/节点依赖性。可以使用具有任意数量分布的完全参数化方法,也可以采用我所听说的贝叶斯非参数方法。使用ML估计的SEM通常(通常)被认为是正常的,这意味着条件独立性等效于图中2个节点的零协方差。我个人认为这是一个很强的假设,并且对模型失准建模的鲁棒性很小。


从业人员称之为分析的方法可能有所不同,但是没有什么可以迫使结构方程组成为参数化的。@zkurtz:关于Pearl的因果关系中的SEM,有很长的技术细节讨论。如果您没有这本书,我可以尝试发布一个简短的摘要,并在您发布的链接中查找他引用的示例。
2014年

尽管协方差估计对于非正态概率模型确实是一致的,但主要问题是将0协方差解释为条件独立性。通常,只能说正态分布的变量。
AdamO

2

我不太明白,但是请看这里

结构方程模型和贝叶斯网络之间的联系是如此紧密,以至于容易忘记它们之间的差异。结构方程模型是一个代数对象。只要因果图保持非周期性,代数操作就被解释为对因果系统的干预。贝叶斯网络是代表一类联合概率分布的生成统计模型,因此不支持代数运算。但是,其马尔可夫因式分解的符号表示形式是一个代数对象,基本上等同于结构方程模型。


具体而言,我想知道它们在此上下文中的“代数运算”是什么意思。
zkurtz
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.