Analyse factorielle dynamique vs modèle d'espace d'état

Le package MARSS en R offre une fonction pour l'analyse factorielle dynamique. Dans ce package, le modèle de facteur dynamique est écrit comme une forme spéciale de modèle d'espace d'état et ils supposent que les tendances communes suivent le processus AR (1). Comme je ne connais pas très bien ces deux méthodes, je viens avec deux questions:

L'analyse factorielle dynamique est-elle une forme spéciale de modèle d'espace d'état? Quelle est la différence entre ces deux méthodes?

De plus, l'analyse factorielle dynamique ne suppose pas nécessairement que les tendances communes sont le processus AR (1). Existe-t-il un ensemble qui permette les tendances communes comme processus ARIMA saisonnier (ou un autre)?

Je n'ai pas vu votre question auparavant.

Oui, l'analyse factorielle dynamique peut être considérée comme un cas particulier du modèle espace-état. Il rend les observations dépendantes d'un vecteur d'état de petite dimension (petit par rapport à la dimension du vecteur d'observation). C'est donc la même idée que dans l'analyse factorielle ordinaire, plus la dépendance temporelle.

Les "facteurs" peuvent avoir n'importe quelle dynamique temporelle. Plusieurs packages R, si vous utilisez R, vous permettront de spécifier un modèle général d'analyse factorielle dynamique, y compris par exemple dlmou KFAS.