Lag er den tidsforsinkelse, som én variabel i en statistisk model påvirker en anden med. Begrebet optræder i mange modeller inden for fx økonomi og teknik, hvor variables udvikling på forskellige tidspunkter er sammenkædet.
Faktaboks
- Etymologi
-
Lag, (engelsk 'forsinkelse, tidsforskel')
Et eksempel på lag er, at en stigning i verdensmarkedsprisen for kaffe i en måned først vil kunne ses på kaffeprisen i danske butikker en måned senere (altså lag 1) og måske i et lavere kaffeforbrug flere måneder senere (lag 2).
I et simpelt eksempel kan en variabel \(y_t\) observeret i måneden \(t\) afhænge af sin egen værdi, \(y_{t-1}\) måneden før (altså lag 1) samt værdien af en anden variabel \(z_{t-2}\) to måneder tidligere (lag 2) ved udtrykket \[y_t =\phi y_{t-1}+\theta z_{t-2}+\epsilon_t\] Her betegner \(\phi\) den andel af \(y_{t-1}\), der overføres til \(y_t\), og tilsvarende betegner \(\theta\) den del af \(z_{t-2}\), der overføres. Resten \(\epsilon_t\) betegner alt andet, der påvirker \(y_t\).
Kommentarer
Kommentarer til artiklen bliver synlige for alle. Undlad at skrive følsomme oplysninger, for eksempel sundhedsoplysninger. Fagansvarlig eller redaktør svarer, når de kan.
Du skal være logget ind for at kommentere.