结构向量自回归（SVAR）的识别策略与经济解释.docxVIP

结构向量自回归（SVAR）的识别策略与经济解释

一、引言

宏观经济学研究的核心目标之一，是从纷繁复杂的经济运行数据中识别不同类型外生冲击的传导路径，评估宏观政策的实施效果，厘清经济波动的核心来源。从早期依靠大量主观设定的大型联立方程模型，到更注重数据特征的时间序列方法，实证宏观研究始终在“贴合现实数据动态”与“保持理论逻辑自洽”两个目标之间寻找平衡。多年前Sims对传统联立方程模型中外生假设随意性的系统性批判，推动了简化式向量自回归方法的普及，但缺乏明确结构约束的先天缺陷，使得这类方法难以承担因果识别和政策评估的核心任务。结构向量自回归（以下简称SVAR）正是在这一背景下逐步发展完善，成为过去几十年间宏观实证研究领域应用最广泛的核心工具之一。

从现有研究实践看，SVAR应用的核心难点从来都不是模型的机械估计，而是科学合理的识别策略选择，以及对估计结果的严谨经济解释：前者决定了研究者能否从变量间混杂的动态关联中分离出有明确经济含义的外生冲击，后者决定了研究结论能否真正深化对经济运行规律的认知。本文将从简化式向量自回归的方法论价值与固有局限出发，系统梳理SVAR主流识别策略的演进逻辑、适用场景与边界约束，进一步阐释基于识别约束开展经济解释的核心原则与常见误区，最后总结SVAR方法应用的核心逻辑与未来发展方向。

二、从简化式向量自回归到SVAR：方法演进的核心逻辑

（一）简化式向量自回归