近年来,计量经济学和统计学界根据因子分析的思想建立高维数据的真因子模型(Exact Factor Model)、近似因子模型(Approximate Factor Model)和动态因子模型(Dynamic Factor Model)来解决高维数据的建模问题,识别驱动高维随机变量的共同因子,以确保不存在显著信息损失的情况下实现高维数据的“降维”建模。尤其,动态因子模型在经济波动性分析、货币政策研究和核心通货膨胀率的估计等研究中得到了广泛应用。在此背景下,本文在理论上研究了一类近似因子模型和动态因子模型的广义矩估计方法(Generalized Moment Method,GMM)及其统计性质。并且,为了识别驱动各类上市公司增长性的共同因素和我国宏观经济波动因素,分别构建了近似因子模型和动态因子模型进行实证分析。在全面系统梳理现有研究文献的基础上,本文厘清了因子模型的分类和拓展了模型估计方法的途径与方向,重点研究了因子模型的广义矩估计方法及其统计性质。对一类异质性误差项存在截面相关性的近似因子模型和动态因子模型分别提出了一种广义矩估计,并研究了共同因子和因子载荷GMM估计量的渐近性质和有限样本性质;另外,利用蒙特卡罗模拟方法对近似因子模型和动态因子模型的主成分估计方法、极大似然估计方法和GMM估计方法进行了比较分析。在实证研究方面,本文依据国内的经济背景和数据,综合参考国内外已有研究,在深刻理解模型和方法论的基础上,对驱动中国上市公司增长和差异性及影响中国宏观经济波动的共同因素,进行了深入的研究。本文的主要研究内容和研究结论及其创新意义可以概括如下:第一,为了提高因子模型估计对样本数据分布的稳健性,对于一类异质性误差项存在截面相关性的近似因子模型,本文首先提出了估计共同因子向量和因子载荷矩阵的广义矩估计方法(GMM),该方法推广了 Doz等(2012)的极大似然估计方法;其次,分别研究了近似因子模型参数广义矩估计的渐近性质和有限样本的统计性质,在适当的条件下,证明了参数的GMM估计是具有渐近正态分布的一致估计;最后,通过蒙特卡罗模拟方法比较分析了近似因子模型各种估计方法,研究了主成分估计、极大似然估计和广义矩估计的适用范围及其估计的有效性,为近似因子模型应用研究中估计方法的选择提供了理论依据。第二,在分析动态因子模型的动态主成分估计方法、极大似然估计方法和混合估计方法的适用性基础上,本文研究了异质性误差项存在截面相关性的动态因子模型和结构动态因子模型的估计,分别提出了两类模型的动态因子向量和因子载荷矩阵的广义矩估计方法(GMM),该方法是对传统频域分析方法的补充;其次,分别研究了动态因子模型参数广义矩估计量的渐近性质和有限样本性质,研究发现,在适当的条件下,动态因子及其因子载荷矩阵的GMM估计不仅是具有渐近正态分布的一致估计,而且,他们具有良好的有限样本性质。最后,通过蒙特卡罗模拟方法进一步佐证了动态因子的GMM估计值服从渐近正态分布。第三,为了识别我国各类上市公司增长性的共同驱动因素及其差异性,本文根据我国6大行业上市公司增长率的季度数据,建立了动态因子模型进行实证分析,研究发现,驱动各行业利润总额增长率的共同因子序列存在显著差异,即利润总额增长率存在显著的行业差异性;各行业的景气程度也是影响公司利润总额增长率的重要因素,对处于高速成长阶段的行业,有较广阔的市场发展前景与市场容量,利润总额增长较快,该行业的因子载荷较大。第四,为了识别驱动我国宏观经济波动性的影响因素,依据中国经济的特殊性、基于1978-2014年42个宏观经济变量的样本数据集构建动态因子模型进行实证分析。研究发现,驱动我国宏观经济波动主要因素有5个潜在宏观因子,其中前四个主要因子分别揭示了驱动我国经济周期波动的主要波动源,它们分别为工业产出因子、外商直接投资(FDI)因子、设备利用率因子和全要素生产率因子。另外,讨论熨平经济周期性波动的经济政策选择。第五,本文展望了动态因子模型的共同因子个数的识别与检验、模型评价等的进一步研究方向。