Динамические модели с распределёнными лагами
Модели, связывающие состояние экономических явлений в последовательные моменты времени называются динамическими.
Аналитическое представление модели включает значения переменных, относящиеся как к текущим так и к предыдущим моментам времени.
Динамические классы моделей:
1. Модели, включающие в качестве факторов значения экзогенных переменных в предыдущие моменты времени - модели с распределёнными лагами:
2.Модели, включающие в качестве факторов наряду с лаговыми значениями экзогенных переменных также значения зависимых переменных в предыдущие моменты времени (лаговые эндогенные переменные) - модели авторегрессии:
Отдельная группа динамических моделей: модели, учитывающие ожидаемые уровни переменных (модели адаптивных ожиданий и модели частичной корректировки).
Причины наличия лагов в экономике:
1. Психологические (инерционное поведение людей);
2. Технологические;
3. Институциональные;
4. Механизмы формирования экономических показателей (инфляция).
Введение в эконометрическую модель лаговых значений эндогенных переменных осложняет проблему получения эффективных оценок её параметров:
1. Лаговые переменные (эндогенные/экзогенные) зачастую сильно коррелируют между собой (потеря точности(большие дисперсии));
2. Сильная корреляция между лаговой эндогенной переменной (правая часть) и ошибкой 
.
3. Наличие автокорреляции в ошибках.
Для оценки модели с бесконечным числом лагов разработано несколько методов:
Метод последовательного увеличения количества лагов(оцениваем уравнение с последовательно увеличивающимся количеством лагов):
а) При добавлении нового лага коэффициент регрессии 
при переменной 
меняет знак;
а) При добавлении нового лага коэффициент становится статистически не значимым.
Модели с распределённым лагом.
Рассмотрим модель с распределённым лагом порядка p:
(проблема: нельзя найти оценки)
Для преодоления коллинеарности лаговых экзогенных переменных используется предположение о характере коэффициентов регрессии.
Схема Койка. Модель полиномиальных лагов
Для построения тренда применяется полиноминальная функция:
+ 
,
Частный случай , где 
– средн. (выравненное) уравнение тренда в начальный момент времени t=0; 
- средний за весь период прирост, который не является const, а изменяется со средним ускорением, равным 2p2.
Применяется тогда, когда нужно отобразить динамику изменения уравнения ряда(постоянное ускорение).