Dynamische Faktoranalyse gegen Zustandsraummodell

Das MARSS-Paket in R bietet Funktionen für die dynamische Faktoranalyse. In diesem Paket wird das dynamische Faktormodell als spezielle Form des Zustandsraummodells geschrieben und es wird davon ausgegangen, dass die allgemeinen Trends dem AR (1) -Prozess folgen. Da ich mit diesen beiden Methoden nicht sehr vertraut bin, stelle ich zwei Fragen:

Ist die dynamische Faktoranalyse eine spezielle Form des Zustandsraummodells? Was ist der Unterschied zwischen diesen beiden Methoden?

Darüber hinaus muss die dynamische Faktoranalyse nicht unbedingt die allgemeinen Trends als AR (1) -Prozess annehmen. Gibt es ein Paket, das die allgemeinen Trends als saisonalen ARIMA-Prozess (oder einen anderen) Prozess zulässt?

Ich habe Ihre Frage vorher nicht gesehen.

Ja, die dynamische Faktoranalyse kann als ein besonderer Fall eines Zustandsraummodells angesehen werden. Es macht Beobachtungen abhängig von einem kleinen dimensionalen Zustandsvektor (klein relativ zur Dimension des Beobachtungsvektors). Es ist also die gleiche Idee wie bei der gewöhnlichen Faktoranalyse plus Zeitabhängigkeit.

Die "Faktoren" können eine beliebige Zeitdynamik haben. Wenn Sie in mehreren R-Paketen R verwenden, können Sie ein allgemeines Modell für die Analyse dynamischer Faktoren angeben, z. B. dlmoder KFAS.