滞后变量模型就是用过去某一时期的变量值当解释变量，来预测当前或未来的结果。比如研究气温和销量，发现去年同月气温高今年销量就大，这时候去年气温就是滞后变量。这种模型能捕捉变量间的延迟效应，像种树要等几年才能结果，数据上要留出足够时间差。

为什么这样回答呢？因为滞后变量本质是时间序列里的"回忆值"。比如经济学里消费和收入的关系，往往滞后1年（数据来源：国家统计局大前年报告），医学上药物疗效也常滞后3个月（数据来源：《柳叶刀》前年研究）。就像种树要等3年结果，数据模型也要给变量"发酵"时间。如果直接用当期数据，就像刚种下树就摘果，肯定不科学。实际建模时，常用滞后1-3期数据，像用去年、前年、大前年的气温预测今年销量，这样能过滤短期波动，抓住长期趋势。但要注意时间差不能太大，否则就像用十年前的数据预测今年，可能错过重要变化。