| dbo:abstract
|
- In statistics and econometrics, a distributed lag model is a model for time series data in which a regression equation is used to predict current values of a dependent variable based on both the current values of an explanatory variable and the lagged (past period) values of this explanatory variable. The starting point for a distributed lag model is an assumed structure of the form or the form where yt is the value at time period t of the dependent variable y, a is the intercept term to be estimated, and wi is called the lag weight (also to be estimated) placed on the value i periods previously of the explanatory variable x. In the first equation, the dependent variable is assumed to be affected by values of the independent variable arbitrarily far in the past, so the number of lag weights is infinite and the model is called an infinite distributed lag model. In the alternative, second, equation, there are only a finite number of lag weights, indicating an assumption that there is a maximum lag beyond which values of the independent variable do not affect the dependent variable; a model based on this assumption is called a finite distributed lag model. In an infinite distributed lag model, an infinite number of lag weights need to be estimated; clearly this can be done only if some structure is assumed for the relation between the various lag weights, with the entire infinitude of them expressible in terms of a finite number of assumed underlying parameters. In a finite distributed lag model, the parameters could be directly estimated by ordinary least squares (assuming the number of data points sufficiently exceeds the number of lag weights); nevertheless, such estimation may give very imprecise results due to extreme multicollinearity among the various lagged values of the independent variable, so again it may be necessary to assume some structure for the relation between the various lag weights. The concept of distributed lag models easily generalizes to the context of more than one right-side explanatory variable. (en)
- В эконометрике модель с распределённым лагом — это модель временного ряда, в которой в уравнение регрессии включено как текущее значение объясняющей переменной, так и значения этой переменной в предыдущих периодах. Простейший пример модели с распределённым лагом: . В более общем случае, Здесь можно говорить о краткосрочном воздействии объясняющей переменной на объясняемую, а также о долгосрочномДанная модель, в свою очередь, является частным случаем Модели авторегрессии и распределённого лага. Примеры макроэкономических моделей, в которых важен временной лаг:
* Функция потребления
* Создание денег в банковской системе
* Связь между денежной массой и уровнем цен
* Лаг между расходами на НИОКР и производительностью
* «Кривая джей» (J-curve) связи между валютным курсом и торговым балансом
* Модель акселератора инвестиций Причины существования лагов можно разделить на три группы:
* Технологические
* Институциональные
* Психологические Основную сложность для эмпирической оценки модели с распределённым лагом представляет наличие мультиколлинеарности, так как в экономических данных соседние значения одного и того же ряда данных обычно высоко коррелированы друг с другом. Кроме того, не всегда возможно априори определить, сколько лаговых переменных стоит включать в модель. Существуют даже модели с бесконечным числом лаговых регрессов, коэффициенты при которых бесконечно уменьшаются (например, в геометрической прогрессии). Существует множество специальных технологий для работы с распределенными лагами: так, метод Тинбергена и Альта представляет собой «метод большого пальца» для определения оптимального числа лаговых переменных, не внося дополнительных предпосылок в модель. Модели Койка и Алмон, напротив, вводят предпосылки относительно лаговых коэффициентов, позволяющие упростить их оценку. (ru)
- 分布滯後（英語：distributed lag，又稱落差分配）的模型在統計學與計量經濟學裡是一種時間序列模型，模型的迴歸式依據當期與前期解釋變數的值預估因變數的值。 分布滯後模型源自於下列形式的假設結構 或 其中 yt 是因變數 y 在第 t 期的值，a 是需估計的截距項，而 wi 稱為落差權重（亦需估計），置於前 i 期解釋變數 x 的前面。第一條方程式假設因變數的值會受到過去無數期自變數的值所影響，因此有無數個落差權重（lag weights），故稱為無窮落差分配模型（infinite distributed lag model）。相對的，第二條方程式的落差權重個數有限，假設一定期數前的自變數就不會影響因變數的值；基於這種假設的模型就稱為有限落差分配模型（finite distributed lag model）。 無窮落差分配模型需要估計無數個落差項的權重；顯然只有假設各落差權重之間的關係存在某種結構，才能以有限的假設參數表達無數個落差權重。有限落差分配模型的參數可以直接使用一般最小平方法（ordinary least squares）估計（假設有足夠的資料）；然而估計結果可能會因為各期自變數間的多重共線性而失真，或許還是一樣需要假設各落差權重之間的關係存在某種結構。 落差分配模型的右手側很容易擴充為一個以上的解釋變數。 (zh)
|
| rdfs:comment
|
- 分布滯後（英語：distributed lag，又稱落差分配）的模型在統計學與計量經濟學裡是一種時間序列模型，模型的迴歸式依據當期與前期解釋變數的值預估因變數的值。 分布滯後模型源自於下列形式的假設結構 或 其中 yt 是因變數 y 在第 t 期的值，a 是需估計的截距項，而 wi 稱為落差權重（亦需估計），置於前 i 期解釋變數 x 的前面。第一條方程式假設因變數的值會受到過去無數期自變數的值所影響，因此有無數個落差權重（lag weights），故稱為無窮落差分配模型（infinite distributed lag model）。相對的，第二條方程式的落差權重個數有限，假設一定期數前的自變數就不會影響因變數的值；基於這種假設的模型就稱為有限落差分配模型（finite distributed lag model）。 無窮落差分配模型需要估計無數個落差項的權重；顯然只有假設各落差權重之間的關係存在某種結構，才能以有限的假設參數表達無數個落差權重。有限落差分配模型的參數可以直接使用一般最小平方法（ordinary least squares）估計（假設有足夠的資料）；然而估計結果可能會因為各期自變數間的多重共線性而失真，或許還是一樣需要假設各落差權重之間的關係存在某種結構。 落差分配模型的右手側很容易擴充為一個以上的解釋變數。 (zh)
- In statistics and econometrics, a distributed lag model is a model for time series data in which a regression equation is used to predict current values of a dependent variable based on both the current values of an explanatory variable and the lagged (past period) values of this explanatory variable. The starting point for a distributed lag model is an assumed structure of the form or the form The concept of distributed lag models easily generalizes to the context of more than one right-side explanatory variable. (en)
- В эконометрике модель с распределённым лагом — это модель временного ряда, в которой в уравнение регрессии включено как текущее значение объясняющей переменной, так и значения этой переменной в предыдущих периодах. Простейший пример модели с распределённым лагом: . В более общем случае, Здесь можно говорить о краткосрочном воздействии объясняющей переменной на объясняемую, а также о долгосрочномДанная модель, в свою очередь, является частным случаем Модели авторегрессии и распределённого лага. Примеры макроэкономических моделей, в которых важен временной лаг: (ru)
|
