Ce travail porte sur un modèle statistique de données de panel à structures factorielles agrégées, non observables, corrélées avec les régresseurs et dont l'appartenance à un groupe peut être inconnue. Sachant que les saturations factorielles associées peuvent appartenir à différents sous‐espaces, une agrégation de ces sous‐espaces est requise. Pour ce faire, les auteurs proposent une méthode, dite agrégation de sous espaces par moindres carrés (LSSC), qui consiste à minimiser une distance de moindres carrés tout en effectuant simultanément l'agrégation des sous‐espaces. L'étude de la convergence et du comportement asymptotique de la méthode et des estimateurs proposés est effectuée sous certaines conditions. Le recours à des simulations de type Monte Carlo permet d'illustrer clairement les avantages et l'intérêt que présentent les méthodes proposées. Un critère de choix de modèle est utilisé pour déterminer les dimensions du sous‐espace de manière cohérente. De plus, les situations où le nombre de sous‐espaces et les dimensions des facteurs sont inconnus ont également été examinées. Enfin, en guise d'illustration de la méthode, une étude portant sur le lien entre le revenu et la démocratie dans différents pays est présentée.