我正试图围绕动态因素分析。到目前为止，我的理解是 DFA 只是因子分析加上分数的时间序列模型（负载保持固定）。然而，在我看到的案例中，分数模型只是一个带有对角相关矩阵的随机游走。这似乎与应用于差异的正常因子分析相同。我错过了什么？
如果您知道任何好的参考资料可以帮助我入门，我将不胜感激。我实际上想找到一些可以让负载缓慢变化的东西；我思考这个问题的背景是 West&Harrison 风格的 DLM，这并没有让我走得太远。
动态因子分析与差异因子分析
机器算法验证
时间序列
因子分析
2022-03-13 06:55:56
1个回答
开始：
在我的领域（发展科学）中，我们将 DFA 应用于个人的密集多元时间序列数据。密集的小样本是关键。DFA 允许我们检查潜在因素的结构和时间滞后关系。模型参数随时间变化，因此平稳时间序列（即随机过程平稳性的概率分布是恒定的）正是您使用这些模型查看的内容。然而，研究人员通过包含时变协变量稍微放松了这一点。估计 DFA 的方法有很多种，其中大部分涉及 Toeplitz 矩阵：使用块 Toeplitz 矩阵进行最大似然 (ML) 估计 (Molenaar, 1985)、使用块 Toeplitz 矩阵进行广义最小二乘估计 (Molenaar & Nesselroade, 1998)、普通使用滞后相关矩阵进行最小二乘估计 (Browne & Zhang, 2007)，使用卡尔曼滤波器进行原始数据 ML 估计 (Engle & Watson, 1981; Hamaker, Dolan, & Molenaar, 2005)，
在我的领域中，DFA 已成为在潜在层面对规则关系进行建模的重要工具，同时还捕获了清单指标的特殊特征：特殊过滤器。
P 技术是 DFA 的前身，因此您可能想检查一下，以及之后的内容......状态空间模型。
阅读列表中的任何参考资料，了解估算程序以获得很好的概述。