KNOWECON WIKI

ARTICLE

滞后算子

滞后算子 (Lag Operator) 滞后算子（Lag Operator，记作 L）是时间序列分析与计量经济学中的核心数学工具，定义为一元线性算子 L 满足 L x_t = x_t-1，即作用于时间序列 \x_t\ 的当期观测值，将其映射为上一期的值。反复施用滞后算子得到高阶滞后：L^k x_t = x_t-k，其中 k N。约定 L^0 = I（恒等算子

浏览 0 更新 2025-11-01

滞后算子 (Lag Operator)

滞后算子（Lag Operator，记作 LL）是时间序列分析与计量经济学中的核心数学工具，定义为一元线性算子 LL 满足 Lxt=xt−1L x_t = x_{t-1}，即作用于时间序列 {xt}\{x_t\} 的当期观测值，将其映射为上一期的值。反复施用滞后算子得到高阶滞后：Lkxt=xt−kL^k x_t = x_{t-k}，其中 k∈Nk \in \mathbb{N}。约定 L0=IL^0 = I（恒等算子），使得 L0xt=xtL^0 x_t = x_t。滞后算子也常记作 BB（Backshift Operator），二者完全等价。

滞后算子的威力在于将差分方程转化为代数方程处理。给定随机过程 {xt}\{x_t\} 与常数 cc，滞后算子满足线性性与平移不变性：L(xt+yt)=Lxt+LytL(x_t + y_t) = L x_t + L y_t，L(cxt)=cLxtL(c x_t) = c L x_t，且 LL 与常数可交换。其逆算子 L−1L^{-1} 定义为前移算子（Lead Operator）：L−1xt=xt+1L^{-1} x_t = x_{t+1}。

滞后多项式与模型表示

滞后算子的核心应用在于构建滞后多项式（Lag Polynomial）。设多项式 ϕ(L)=1−ϕ1L−ϕ2L2−⋯−ϕpLp\phi(L) = 1 - \phi_1 L - \phi_2 L^2 - \cdots - \phi_p L^p，则自回归模型 AR(p) 可紧凑表示为：

ϕ(L)xt=εt\phi(L) x_t = \varepsilon_t

其中 {εt}\{\varepsilon_t\} 为白噪声过程。同理，定义移动平均多项式 θ(L)=1+θ1L+θ2L2+⋯+θqLq\theta(L) = 1 + \theta_1 L + \theta_2 L^2 + \cdots + \theta_q L^q，则 MA(q) 模型写为：

xt=θ(L)εtx_t = \theta(L) \varepsilon_t

二者的结合给出 ARMA(p, q) 模型的标准算子形式：

ϕ(L)xt=θ(L)εt\phi(L) x_t = \theta(L) \varepsilon_t

这一表示极大简化了模型的代数操作。例如，AR(∞) 与 MA(∞) 表示之间的转换仅涉及滞后多项式的求逆：若 ϕ(L)\phi(L) 可逆，则 xt=ϕ(L)−1θ(L)εtx_t = \phi(L)^{-1} \theta(L) \varepsilon_t 为 MA(∞) 表示；若 θ(L)\theta(L) 可逆，则 θ(L)−1ϕ(L)xt=εt\theta(L)^{-1} \phi(L) x_t = \varepsilon_t 为 AR(∞) 表示。ARMA 模型平稳的条件是 ϕ(z)=0\phi(z) = 0 的所有根落在单位圆外（等价于 ϕ(L)\phi(L) 可逆），可逆性条件则是 θ(z)=0\theta(z) = 0 的所有根落在单位圆外。

差分算子与单位根

滞后算子与差分算子之间存在简洁关系。定义一阶差分算子 Δ\Delta 满足 Δxt=xt−xt−1\Delta x_t = x_t - x_{t-1}，则有：

Δ=1−L\Delta = 1 - L

高阶差分同样以滞后多项式表示：Δd=(1−L)d\Delta^d = (1 - L)^d。季节性差分 Δsxt=xt−xt−s\Delta_s x_t = x_t - x_{t-s} 对应 1−Ls1 - L^s。这使ARIMA 模型与SARIMA 模型的算子形式极为统一：若 {xt}\{x_t\} 为 I(d)I(d) 过程，则 Δdxt\Delta^d x_t 平稳，ARIMA(p, d, q) 写为：

ϕ(L)(1−L)dxt=θ(L)εt\phi(L)(1 - L)^d x_t = \theta(L) \varepsilon_t

单位根检验的实质是判断滞后多项式 ϕ(L)\phi(L) 是否含有因子 (1−L)(1 - L)，即 ϕ(1)=0\phi(1) = 0 是否成立。迪基-富勒检验（Dickey-Fuller Test）正是基于这一代数性质构造的。

有理滞后与动态乘数

滞后多项式之比称为有理滞后（Rational Lag）结构。设 ψ(L)=ϕ(L)−1θ(L)\psi(L) = \phi(L)^{-1} \theta(L)，则 ψ(L)\psi(L) 一般为无穷阶滞后多项式，其系数 {ψj}j=0∞\{\psi_j\}_{j=0}^{\infty} 构成脉冲响应函数——刻画了 εt\varepsilon_t 一个单位冲击在 jj 期后对 xt+jx_{t+j} 的累积影响。平稳条件下 ∑j=0∞∣ψj∣<∞\sum_{j=0}^{\infty} |\psi_j| < \infty，冲击随时间衰减；若存在单位根，则 ψj→1\psi_j \to 1（或某个常数），冲击具有永久效应。

滞后算子多项式可进行代数因式分解。以 AR(2) 为例：ϕ(L)=1−ϕ1L−ϕ2L2=(1−λ1L)(1−λ2L)\phi(L) = 1 - \phi_1 L - \phi_2 L^2 = (1 - \lambda_1 L)(1 - \lambda_2 L)，其中 λ1,λ2\lambda_1, \lambda_2 为特征根 z2−ϕ1z−ϕ2=0z^2 - \phi_1 z - \phi_2 = 0 的倒数。平稳性等价于 ∣λi∣<1 (i=1,2)|\lambda_i| < 1\ (i = 1, 2)。这种分解将高阶动态解构为一阶成分的复合，为分析动态乘数的解析性质提供了清晰路径。

宏观经济学的典型应用

滞后算子在宏观经济学中应用广泛。理性预期模型中的欧拉方程常涉及期望项的条件预测，滞后算子与期望算子结合，可推导出前瞻性差分方程的解析解。例如，卡甘模型（Cagan Model）中的价格动力学方程 mt−pt=−α(Etpt+1−pt)m_t - p_t = -\alpha(E_t p_{t+1} - p_t) 经重排后可写为含滞后与前瞻项的混合形式，利用滞后算子的因式分解与边界条件求解。

科克伦-奥卡特变换（Cochrane-Orcutt Transformation）是滞后算子的经典操作：对 AR(1) 误差 ut=ρut−1+εtu_t = \rho u_{t-1} + \varepsilon_t，以 (1−ρL)(1 - \rho L) 作用于回归方程两侧，将序列相关误差转化为白噪声，实现可行广义最小二乘（FGLS）估计。

赫里克-普雷斯科特滤波（Hodrick-Prescott Filter）与巴克斯特-金带通滤波（Baxter-King Filter）皆可表达为对称滞后多项式作用于原序列：yt∗=w(L)xty_t^* = w(L) x_t，其中 w(L)=∑j=−KKwjLjw(L) = \sum_{j=-K}^{K} w_j L^j 为双边滞后算子多项式。滞后算子为这些非参数滤波提供了简洁的频域与时域桥梁。

向量形式的滞后算子推广至多变量系统：对 nn 维向量 xt\mathbf{x}_t，Φ(L)xt=εt\Phi(L) \mathbf{x}_t = \bm{\varepsilon}_t 即为向量自回归（VAR）模型的算子表示，Φ(L)=In−Φ1L−⋯−ΦpLp\Phi(L) = I_n - \Phi_1 L - \cdots - \Phi_p L^p 为 n×nn \times n 滞后矩阵多项式，其逆 Φ(L)−1\Phi(L)^{-1} 的系数矩阵序列构成多变量脉冲响应函数。

滞后算子的核心价值在于将时间序列的动态结构代数化——差分方程变为多项式方程，平稳性等价于多项式的根条件，脉冲响应退化为幂级数系数。这种代数-分析统一框架成为现代时间序列计量经济学与动态宏观理论的共同语言。