La terminología aquí es un lío. "Ecuación estructural" es tan vago como "puente arquitectónico" y "red bayesiana" es no es intrínsecamente bayesiano . Aún mejor, Dios-de-causalidad Judea Pearl dice que las dos escuelas de modelos son casi idénticas.
¿Cuáles son las diferencias importantes?
(Me parece increíble que la página de Wikipedia sobre SEM ni siquiera incluya la palabra "red" en el momento de escribir estas líneas).
Hasta donde yo sé, las redes bayesianas no pretenden ser capaces de estimar efectos causales en grafos acíclicos no dirigidos, mientras que el SEM sí lo hace. Eso es una generalización a favor del SEM... si te lo crees.
Un ejemplo de esto podría ser la medición del deterioro cognitivo entre personas en las que la cognición es un efecto latente estimado mediante un instrumento de encuesta como el 3MSE, pero algunas personas pueden mostrar una disminución de la cognición en función del uso de analgésicos. Sus analgésicos pueden haber sido una consecuencia de haberse lesionado debido al deterioro cognitivo (caídas, por ejemplo). Y así, en un análisis transversal, veríamos un gráfico con forma circular. A los analistas SEM les gusta abordar problemas así. Yo me mantengo al margen.
En el mundo de las redes Bayes, existen métodos muy generales para evaluar la independencia/dependencia condicional de los nodos. Se puede utilizar un enfoque totalmente paramétrico con cualquier número de distribuciones, o recurrir a los enfoques bayesianos no paramétricos de los que he oído hablar. SEM estimado utilizando ML son (por lo general) supone que es normal, lo que significa que la independencia condicional es equivalente a tener covarianza cero para 2 nodos en el gráfico. Personalmente, creo que es una suposición bastante fuerte y que tendría muy poca solidez frente a una especificación errónea del modelo.
Realmente no entiendo esto, pero mira aquí :
Los modelos de ecuaciones estructurales y las redes bayesianas aparecen tan íntimamente conectadas que podría ser fácil olvidar las diferencias. El modelo de ecuaciones estructurales es un objeto algebraico. Mientras el gráfico causal siga siendo acíclico, las manipulaciones algebraicas se interpretan como intervenciones en el sistema causal. La red bayesiana es un modelo estadístico generativo que representa una clase de distribuciones y, como tal, no admite manipulaciones algebraicas. Sin embargo, la representación simbólica de su factorización de Markov es un objeto algebraico. objeto algebraico, esencialmente equivalente al modelo de ecuaciones estructurales. estructural.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
