ニューラルネットワークと構造方程式モデリングの違いは何ですか？

私は初めて人工ニューラルネットワーク（ANN）について研究しており、ニューラルネットワークの概念が構造方程式モデリング（SEM）に似ているように見えることに感銘を受けました。例えば、

• ANNの入力ノードはSEMのマニフェスト変数を思い出させます
• ANNの非表示ノードはSEMの潜在変数を思い出させる
• 観測されたすべての変数がSEMのマニフェスト変数を取得するため、ANNのすべての機能が入力ノードを取得します
• SEMがいくつかの最終的な従属変数を持つことができるのと同じように、ANNはいくつかの出力ノードを持つことができます
• どちらも説明と予測の目的に使用できます（私は思う）

では、これら2つの形式の統計分析の違いを説明してください。

短い答え：SEMの目標は、一般的に変数間の関係を理解することです。あなたが研究してきたANNのタイプでは、ノードはデータを変換して、予測変数が結果をよりよく説明できるようにする方法です。結局のところ、類似性は表面的なものです。ダイアグラムは類似しているように見えますが、SEMから適切な予測を得るのに苦労し、ANN内の変数間の関係を解釈するのにも苦労します。

教訓的な答え：SEMとANNにはさまざまな種類があります。多くはそれほど似ていないようです。たとえば、kohonenネットワークはSEMに少し似ており、予測には適していません。SEMを使用して内因性に対処する場合、SEMは予測には役立ちますが、そのようなSEMは通常、きれいなネットワーク図として描かれません。