본 연구는 관찰 데이터에서 동시 양방향 상호 작용을 추정하는 새로운 방법인 SEM-DNN을 제안합니다. SEM-DNN은 조건부 공분산 대각화라는 아이디어를 활용하여 외부 도구 변수 없이 상호 구조적 상호 작용을 학습합니다. Monte Carlo 실험 결과, SEM-DNN은 기존 방법보다 정보가 증가함에 따라 구조적 효과를 더 안정적으로 회수하지만 계산 비용이 더 높습니다.