向量自回归模型（VAR）的脉冲响应函数解释误区.docxVIP

向量自回归模型（VAR）的脉冲响应函数解释误区

引言

向量自回归模型（VectorAutoregressiveModel,VAR）自20世纪80年代被Sims引入计量经济学领域以来，已成为分析多变量时间序列动态关系的核心工具（Sims,1980）。作为VAR模型的核心分析手段，脉冲响应函数（ImpulseResponseFunction,IRF）通过模拟某一变量的随机冲击对系统内其他变量的动态影响，直观展现变量间的交互关系，被广泛应用于宏观经济政策评估、金融市场波动传导等研究场景。然而，尽管IRF的图形化输出看似直观，其背后的统计逻辑与经济含义却常被研究者简化或误解。从基础概念的认知偏差，到估计过程的假设忽视，再到经济解释的过度引申，一系列解释误区不仅可能导致研究结论偏离实际，更可能削弱VAR模型在实证分析中的可信度。本文将围绕IRF解释的常见误区展开系统梳理，结合理论依据与实证经验，为研究者提供更严谨的应用参考。

一、对脉冲响应函数本质的认知偏差

IRF的核心是“冲击-响应”的动态刻画，但许多研究者对其本质的理解停留在表面，忽视了其统计属性与经济含义的边界。这种认知偏差主要体现在两个方面：对“冲击”定义的机械接受，以及对“动态路径”的静态解读。

（一）“冲击”的随机性与正交化陷阱

IRF中的“冲击”本质上是模型残差项的随机扰动，反映变量在排除滞后影响后的未预期变化。