分布滯後和多重共线性

分布滯後和多重共线性之间的区别

分布滯後 vs. 多重共线性

分布滯後（，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（），故稱為無窮落差分配模型（）。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（）。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（）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。. 多重共线性是指多变量线性回归中，变量之间由于存在高度相关关系而使回归估计不准确。比如虚拟变量陷阱（Dummy variable trap）即有可能触发多重共线性问题。 D.

之间分布滯後和多重共线性相似

分布滯後和多重共线性有（在联盟百科）0共同点。

上面的列表回答下列问题

什么分布滯後和多重共线性的共同点。
什么是分布滯後和多重共线性之间的相似性