Factor dinámico análisis vs factor de análisis sobre las diferencias

Question

Estoy tratando de envolver mi cabeza alrededor de análisis factorial dinámico. Hasta ahora, mi entendimiento es que la DFA es sólo el análisis de los factores, además de un modelo de serie temporal en los resultados (las cargas permanecen fijos). Sin embargo, en los casos que yo he visto, el modelo de los puntajes es sólo un paseo aleatorio con una diagonal de la matriz de correlación. Esto parece idéntica a la normal factor de análisis aplicado a las diferencias. Lo que me estoy perdiendo?

Si sabes de alguna buena referencia para ayudarme a comenzar, se lo agradecería. En realidad me gustaría encontrar algo que permite que las cargas poco a poco, ser variable; mi contexto para pensar que está al Oeste de Harrison&estilo DLMs, que no tiene de mí ahora.

Answer 1

Aquí va:

En mi campo (desarrollo de la ciencia) aplicamos DFA intensiva multivariante de datos de series de tiempo para un individuo. Intensivo de muestras pequeñas son la clave. DFA nos permite examinar la estructura y la hora quedado relaciones de factores latentes. Los parámetros del modelo son constantes a través del tiempo, por lo que de tiempo estacionaria de la serie (es decir, las distribuciones de probabilidad de estacionariedad de un proceso estocástico es constante) es realmente lo que se está mirando con estos modelos. Sin embargo, los investigadores han relajado un poco mediante la inclusión de variables en el tiempo covariables. Hay muchas maneras de estimar el DFA, la mayoría de los cuales involucran las matrices de Toeplitz: máxima verosimilitud (ML) estimación con el bloque de matrices de Toeplitz (Molenaar, 1985), la generalización de los mínimos cuadrados de la estimación con el bloque de matrices de Toeplitz (Molenaar Y Nesselroade, 1998), mínimos cuadrados ordinarios estimación quedado con matrices de correlación (Browne & Zhang, 2007), los datos en bruto ML de estimación con el filtro de Kalman (Engle & Watson, 1981; Hamaker, Dolan, Y Molenaar, 2005), y el enfoque Bayesiano (Z. Zhang, Hamaker, Y Nesselroade, 2008).

En mi campo de DFA se ha convertido en una herramienta esencial en el modelado de nomothetic relaciones en un latente nivel, mientras que también la captura de las características propias del manifiesto de los indicadores: la ideográficos filtro.

El P-técnica fue un precursor de la DFA, por lo que usted puede ser que desee comprobar que, así como lo que vino después... estado-modelos de espacio.

Leer cualquiera de las referencias en la lista de procedimientos de estimación para el buen resúmenes.