Redes neurais versus modelagem de equações estruturais Qual é a diferença?

8

Estou estudando sobre redes neurais artificiais (RNA) pela primeira vez e estou impressionado com a forma como os conceitos de redes neurais parecem ser semelhantes à modelagem de equações estruturais (SEM). Por exemplo,

  • nós de entrada na RNA me lembram variáveis ​​manifestas no SEM
  • Nós ocultos na RNA lembram variáveis ​​latentes no SEM
  • Todos os recursos da RNA obtêm um nó de entrada, pois todas as variáveis ​​observadas obtêm uma variável manifesta no SEM
  • A RNA pode ter vários nós de saída, assim como o SEM pode ter várias variáveis ​​dependentes finais
  • Ambos podem ser usados ​​para fins explicativos e preditivos (eu acho)

Então, por favor, explique-me as diferenças entre essas duas formas de análise estatística

Darrin Thomas
fonte

Respostas:

9

Resposta curta: com o SEM, o objetivo geralmente é entender os relacionamentos entre as variáveis. Com o tipo de RNAs que você estudou, os nós são uma maneira de transformar os dados para que as variáveis ​​preditoras possam explicar melhor os resultados. Por fim, a semelhança é bastante superficial: enquanto os diagramas são parecidos, você luta para obter boas previsões de um SEM e também para interpretar as relações entre as variáveis ​​em uma RNA.

Resposta pedante: existem muitos tipos diferentes de SEMs e RNAs. Muitos não parecem tão semelhantes. Por exemplo, uma rede kohonen parece um SEM e não é ótima para previsão. Quando o SEM é usado para endereçar a endogeneidade, pode ser bom para a previsão, mas esses SEMs geralmente não são desenhados como diagramas de rede bonitos.

Tim
fonte
Embora as RNAs tenham suas próprias críticas, como pouca explicação, estou igualmente preocupado com um modelo de SEM que deveria explicar algo, mas não faz boas previsões.
Galen