Análisis factorial dinámico versus análisis factorial sobre diferencias

Estoy tratando de entender el análisis factorial dinámico. Hasta ahora, entiendo que DFA es solo un análisis factorial más un modelo de series de tiempo en los puntajes (las cargas permanecen fijas). Sin embargo, en los casos que he visto, el modelo en los puntajes es solo una caminata aleatoria con una matriz de correlación diagonal. Esto parece idéntico al análisis factorial normal aplicado a las diferencias. ¿Qué me estoy perdiendo?

Si conoces alguna buena referencia para comenzar, te agradecería. De hecho, me gustaría encontrar algo que permita que las cargas varíen lentamente; mi contexto para pensar en eso son los DLM de estilo West & Harrison, que no me han llevado lejos.

Aquí va:

En mi campo (ciencia del desarrollo) aplicamos DFA a datos intensivos de series de tiempo multivariadas para un individuo. Las muestras pequeñas intensivas son clave.DFA nos permite examinar tanto la estructura como las relaciones de factores latentes rezagadas en el tiempo. Los parámetros del modelo son constantes a lo largo del tiempo, por lo que las series temporales estacionarias (es decir, las distribuciones de probabilidad de la estacionariedad del proceso estocástico son constantes) es realmente lo que está viendo con estos modelos. Sin embargo, los investigadores han relajado esto un poco al incluir covariables que varían con el tiempo. Hay muchas formas de estimar el DFA, la mayoría de las cuales involucran las matrices de Toeplitz: estimación de máxima verosimilitud (ML) con matrices de Toeplitz en bloque (Molenaar, 1985), estimación generalizada de mínimos cuadrados con matrices de Toeplitz en bloque (Molenaar y Nesselroade, 1998), ordinarias estimación de mínimos cuadrados con matrices de correlación rezagadas (Browne y Zhang, 2007), estimación de datos brutos de ML con el filtro de Kalman (Engle y Watson, 1981; Hamaker, Dolan y Molenaar, 2005),

En mi campo, DFA se ha convertido en una herramienta esencial para modelar relaciones nomotéticas en un nivel latente, al tiempo que captura características idiosincrásicas de los indicadores manifiestos: el filtro idiográfico.

La técnica P fue un precursor de DFA, por lo que es posible que desee comprobar eso, así como lo que vino después ... modelos de espacio de estado.

Lea cualquiera de las referencias en la lista para conocer los procedimientos de estimación de buenas vistas generales.