分布滞后

分布滞后（英语：distributed lag，又称落差分配）的模型在统计学与计量经济学里是一种时间序列模型，模型的回归式依据当期与前期解释变数的值预估因变数的值。

分布滞后模型源自于下列形式的假设结构

或

其中 是因变数 在第 期的值， 是需估计的截距项，而 称为落差权重（亦需估计），置于前 期解释变数 的前面。第一条方程式假设因变数的值会受到过去无数期自变数的值所影响，因此有无数个落差权重（lag weights），故称为无穷落差分配模型（infinite distributed lag model）。相对的，第二条方程式的落差权重个数有限，假设一定期数前的自变数就不会影响因变数的值；基于这种假设的模型就称为有限落差分配模型（finite distributed lag model）。

无穷落差分配模型需要估计无数个落差项的权重；显然只有假设各落差权重之间的关系存在某种结构，才能以有限的假设参数表达无数个落差权重。有限落差分配模型的参数可以直接使用一般最小平方法（ordinary least squares）估计（假设有足够的资料）；然而估计结果可能会因为各期自变数间的多重共线性而失真，或许还是一样需要假设各落差权重之间的关系存在某种结构。

落差分配模型的右手侧很容易扩充为一个以上的解释变数。

一般最小平方法（英语：Ordinary least squares）是估计落差分配之参数最简单的方法，假设最多回顾 ${\displaystyle P}$+1 个落差权重与下列式子当中 +1 个线性的可估计参数() 有关

其中 ${\displaystyle i=0,\dots <!--\; \dots \; -->,k.}$ 有关

其中 ${\displaystyle i=0,\dots <!--\; \dots \; -->,\mathrm{\infty <!--\; \infty \; -->}.}$ 有关

其中 ${\displaystyle i=0,\dots <!--\; \dots \; -->,\mathrm{\infty <!--\; \infty \; -->}}$ 或

其中 ${\displaystyle i=0,\dots <!--\; \dots \; -->,\mathrm{\infty <!--\; \infty \; -->}.}$

其它无穷落差分配结构还有 gamma lag 与 rational lag。