我是第一次研究人工神经网络 (ANN)，我对神经网络的概念与结构方程建模 (SEM) 的相似之处感到震惊。例如，
- ANN 中的输入节点让我想起了 SEM 中的显式变量
- ANN 中的隐藏节点提醒 SEM 中的潜在变量
- ANN 中的每个特征都有一个输入节点，因为每个观察到的变量在 SEM 中都有一个清单变量
- ANN 可以有多个输出节点，就像 SEM 可以有多个最终因变量一样
- 两者都可以用于解释和预测目的（我认为）
所以请向我解释这两种统计分析形式之间的区别
神经网络与结构方程建模有什么区别？
机器算法验证
机器学习
神经网络
结构方程建模
2022-03-03 13:56:29
1个回答
简短回答：使用 SEM，目标通常是了解变量之间的关系。对于您一直在研究的 ANN 类型，节点是一种转换数据的方式，以便预测变量可以更好地解释结果。最终，相似性是相当肤浅的：虽然图表看起来很相似，但您将难以从 SEM 中获得良好的预测，并且您还将难以解释 ANN 中变量之间的关系。
迂腐的回答：有很多不同类型的 SEM 和 ANN。许多看起来并不那么相似。例如，kohonen 网络看起来有点像 SEM，并且不适合预测。当 SEM 用于解决内生性问题时，它可能有利于预测，但这种 SEM 通常不会被绘制成漂亮的网络图。