Estoy trabajando con un modelo de factor dado de la forma $$y=B x +\epsilon$$ donde $x$ es un vector aleatorio en $R^M$ , $B$ es un $N\times M$ matriz de cargas factoriales, $y$ es un vector aleatorio en $R^N$ (con $N \gg M$ ) y $\epsilon$ es un vector de innovaciones de media cero, independiente de $x$ . Para simplificar, las innovaciones se distribuyen normalmente y son independientes entre sí. Mi pregunta es relativamente sencilla de plantear: ¿Cómo puedo comprobar si un factor es significativo, en el mismo sentido en que un predictor es significativo en la regresión lineal?
Aclaración : Tal vez debería haber hecho hincapié en que estoy trabajando con un dado modelo, y tengo que evaluar el valor predictivo de cada factor del modelo. En otras palabras, ¿existe una forma sencilla de evaluar si la eliminación de un factor de un modelo supondría una pérdida de poder predictivo? sin ¿comparar dos modelos diferentes con y sin el factor? En este último caso, existe una gran cantidad de literatura sobre la selección de modelos, basada en ML, GMM, etc. (La invariancia rotacional de los modelos factoriales no juega un papel esencial, por cierto).