神經網絡與結構方程建模有什麼區別？

我第一次研究人工神經網絡 (ANN)，我對神經網絡的概念與結構方程建模 (SEM) 的相似之處感到震驚。例如，

• ANN 中的輸入節點讓我想起了 SEM 中的顯式變量
• ANN 中的隱藏節點提醒 SEM 中的潛在變量
• ANN 中的每個特徵都有一個輸入節點，因為每個觀察到的變量在 SEM 中都有一個清單變量
• ANN 可以有多個輸出節點，就像 SEM 可以有多個最終因變量一樣
• 兩者都可以用於解釋和預測目的（我認為）

所以請向我解釋這兩種統計分析形式之間的區別

簡短回答：使用 SEM，目標通常是了解變量之間的關係。對於您一直在研究的 ANN 類型，節點是一種轉換數據的方式，以便預測變量可以更好地解釋結果。最終，相似性是非常膚淺的：雖然圖表看起來很相似，但您將難以從 SEM 中獲得良好的預測，並且您還將難以解釋 ANN 中變量之間的關係。

迂腐的回答：有很多不同類型的 SEM 和 ANN。許多看起來並不那麼相似。例如，kohonen 網絡看起來有點像 SEM，並且不適合預測。當 SEM 用於解決內生性問題時，它可能有利於預測，但此類 SEM 通常不會被繪製成漂亮的網絡圖。

引用自：https://stats.stackexchange.com/questions/214261