KNOWECON WIKI

ARTICLE

脉冲响应分析

脉冲响应分析 (Impulse Response Analysis) 脉冲响应分析（Impulse Response Analysis）是时间序列分析与实证宏观经济学中刻画动态系统对随机冲击响应路径的核心定量工具。在一个多变量动态系统中，实证研究者常关心：若某一内生变量遭受一单位外生冲击（innovation），该冲击如何随时间向系统中各变量传导、放大或消散

浏览 0 更新 2025-07-16

脉冲响应分析 (Impulse Response Analysis)

脉冲响应分析（Impulse Response Analysis）是时间序列分析与实证宏观经济学中刻画动态系统对随机冲击响应路径的核心定量工具。在一个多变量动态系统中，实证研究者常关心：若某一内生变量遭受一单位外生冲击（innovation），该冲击如何随时间向系统中各变量传导、放大或消散？脉冲响应函数（Impulse Response Function, IRF）即为这一问题的形式化答案——它逐期追踪冲击发生后的动态调整轨迹。该分析框架依托VAR（向量自回归模型）展开，由 Christopher Sims 于 1980 年在《Macroeconomics and Reality》一文中系统引入计量经济学主流，与方差分解、格兰杰因果检验并列为 VAR 建模的三大经典后验诊断程序。

VAR 表示与 VMA 展开

考虑 nn 维协方差平稳的 VAR(pp) 过程：

yt=c+Φ1yt−1+Φ2yt−2+⋯+Φpyt−p+εt\mathbf{y}_t = \mathbf{c} + \mathbf{\Phi}_1 \mathbf{y}_{t-1} + \mathbf{\Phi}_2 \mathbf{y}_{t-2} + \cdots + \mathbf{\Phi}_p \mathbf{y}_{t-p} + \boldsymbol{\varepsilon}_t

其中 εt∼WN(0,Σ)\boldsymbol{\varepsilon}_t \sim WN(\mathbf{0}, \mathbf{\Sigma}) 为 nn 维向量白噪声，Σ\mathbf{\Sigma} 为正定协方差矩阵。由Wold表示定理，任意协方差平稳的 VAR 可唯一表示为无穷阶向量滑动平均过程 VMA(∞\infty)：

yt=μ+∑k=0∞Ψkεt−k,Ψ0=In\mathbf{y}_t = \boldsymbol{\mu} + \sum_{k=0}^{\infty} \mathbf{\Psi}_k \boldsymbol{\varepsilon}_{t-k},\quad \mathbf{\Psi}_0 = \mathbf{I}_n

系数矩阵 Ψk\mathbf{\Psi}_k 可按递推关系 Ψk=∑j=1min⁡(k,p)ΦjΨk−j\mathbf{\Psi}_k = \sum_{j=1}^{\min(k,p)} \mathbf{\Phi}_j \mathbf{\Psi}_{k-j}（k≥1k\ge 1）从 VAR 系数矩阵迭代求解。其元素 ψij(k)=∂yi,t+k/∂εj,t\psi_{ij}^{(k)} = \partial y_{i,t+k} / \partial \varepsilon_{j,t} 定义了对第 jj 个方程残差的一单位冲击在 kk 期后对第 ii 个变量的边际效应——此即脉冲响应函数的数学定义。将 ψij(k)\psi_{ij}^{(k)} 对 k=0,1,2,…k=0,1,2,\ldots 描点连线，即得脉冲响应图，直观展示了冲击的传播路径：是单调衰减还是驼峰型（hump-shaped）、是否存在过度调整或振荡收敛。

正交化问题与 Cholesky 分解

原始 VMA 表示面临一个核心解释难题：残差协方差矩阵 Σ\mathbf{\Sigma} 通常非对角，意味着同期的不同方程冲击彼此相关，无法在保持其他冲击不变的条件下孤立解读单一冲击的效果。标准解决方案是对残差进行正交化处理。令 Σ=PP′\mathbf{\Sigma} = \mathbf{P}\mathbf{P}'，其中 P\mathbf{P} 为下三角矩阵。定义正交化结构冲击 ut=P−1εt\mathbf{u}_t = \mathbf{P}^{-1}\boldsymbol{\varepsilon}_t，易验证 Var(ut)=P−1Σ(P−1)′=In\mathrm{Var}(\mathbf{u}_t) = \mathbf{P}^{-1}\mathbf{\Sigma}(\mathbf{P}^{-1})' = \mathbf{I}_n，即各分量方差为 1 且互不相关。VMA 表示重写为：

yt=μ+∑k=0∞Θkut−k,Θk=ΨkP\mathbf{y}_t = \boldsymbol{\mu} + \sum_{k=0}^{\infty} \mathbf{\Theta}_k \mathbf{u}_{t-k},\quad \mathbf{\Theta}_k = \mathbf{\Psi}_k \mathbf{P}

此时 θij(k)\theta_{ij}^{(k)} 度量第 jj 个正交化结构冲击对第 ii 个变量 kk 期后的响应，且因冲击间正交，可赋予独立的经济学含义。

最常用的正交化策略是 Cholesky 分解：取 P\mathbf{P} 为 Σ\mathbf{\Sigma} 的 Cholesky 因子（下三角）。其经济学含义是施加了递归识别（recursive identification）假设——排在 VAR 变量序列前方的变量对后方变量的同期冲击产生即时响应，而后方变量对前方变量的同期冲击响应为零。这一假设的实质是给变量间的同期因果关系强加了一个先后次序，因此 IRF 结果对变量排列顺序高度敏感。实践中必须依据经济理论审慎确定排序：例如在货币政策 VAR 中，通常按「产出 → 通胀 → 政策利率」排序，体现央行对当期产出和通胀信息的同期可观测性。

除递归识别外，还可采用以下替代识别策略：

  • 结构 VAR (SVAR) 约束：对同期关系矩阵 A\mathbf{A} 施加短期约束（如 A\mathbf{A} 的某些元素设为零）或长期约束（如需求冲击对产出无长期效应，Blanchard–Quah 1989），通过经济理论而非机械排序实现识别。
  • 广义脉冲响应（GIRF, Koop–Pesaran–Potter 1996）：定义 GIy(h,δ,Ωt−1)=E[yt+h∣εj,t=δj,Ωt−1]−E[yt+h∣Ωt−1]GI_y(h,\delta,\Omega_{t-1}) = E[\mathbf{y}_{t+h} \mid \varepsilon_{j,t}=\delta_j, \Omega_{t-1}] - E[\mathbf{y}_{t+h} \mid \Omega_{t-1}]，以条件期望差度量响应，不依赖正交化和变量排序，尤其适用于非线性多变量模型。
  • 符号约束（Uhlig 2005）：不精确限定系数数值，仅约束 IRF 的符号方向（如紧缩性货币政策冲击应使利率上升、价格水平不上升），从满足约束的候选结构中取中位数。

实证应用

货币政策传导构成脉冲响应分析最经典的实证场景。在一个包含产出、价格水平、短期利率的三变量递归 VAR 中，识别一标准差紧缩性货币政策冲击后，典型 IRF 模式为：利率立即跳升后缓慢回落，产出滞后约 4–8 季度达最大负偏离后渐恢复（驼峰型），价格水平缓慢下行——此即 Christiano–Eichenbaum–Evans（1999, 2005）所系统记录的货币政策冲击对实体经济的动态传导程式。

财政政策乘数：Blanchard–Perotti（2002）利用制度和时序信息识别外生政府支出冲击，通过累积脉冲响应计算财政乘数——即政府支出一单位增加所引发的 GDP 累积增量。

跨市场溢出效应：在多国或多资产 VAR 中，脉冲响应用于量化一国或一市场冲击对另一国或市场的传染强度与衰减速度，在金融危机传染研究（如 2008 年全球金融危机期间的跨国冲击传导）中尤为常见。

推断与置信区间

IRF 点估计本身不反映抽样不确定性。常用的区间估计方法有三种：

  1. 渐近 Delta 法：利用 IRF 估计量的渐近正态分布，通过 Delta 方法推导标准误并构造对称置信区间。计算简便，但对有限样本和非正态情形表现不佳。
  2. 残差 Bootstrap：对 VAR 估计残差进行有放回重抽样，重新生成伪样本并反复估计 VAR 和 IRF，取分位数（通常 16\% 和 84\% 或 2.5\% 和 97.5\%）构成置信带。该方法无需正态假设，在实践中最为常用。
  3. Bayesian 后验区间：在 Minnesota 先验或其他 shrinkage 先验下，通过 Gibbs 采样从后验分布中抽取 IRF 样本，构造最高后验密度区间。

脉冲响应图中，若某期置信带跨越水平零线，表明该期响应在统计意义上不显著异于零。

局限性与扩展方向

  1. 识别脆弱性：递归识别下 Cholesky 次序一变，IRF 形状与显著性可能发生质变。必须进行次序敏感性分析或诉诸更稳健的识别方案（符号约束、外部工具变量等）。
  1. 平稳性前提：VAR 必须协方差平稳（特征多项式的根全部落在单位圆外），否则冲击效应永不衰减。若变量间存在协整关系，应切换至 VECM 框架下的脉冲响应分析。
  1. 线性与对称性假设：标准 IRF 隐含冲击效应与冲击方向及系统当前状态无关，无法捕捉非对称性或状态依赖传导。局部投影法（Jordà 2005）以逐期回归替代 VAR 迭代投影，天然容纳非线性与状态依赖 IRF，近年来在实证宏观研究中快速普及。
  1. 信息不足与非基本面冲击：若 VAR 信息集遗漏了经济主体决策所依据的关键前瞻性信息，识别出的「冲击」可能是非基本面冲击（non-fundamentalness），其 IRF 缺乏结构性解释力。

脉冲响应分析本质上是在数据驱动范式下对经济系统冲击-传导机制的可视化定量刻画。其有效性高度依赖于识别策略的经济学合理性，而非纯统计检验。与方差分解（尤其是预测误差方差分解 FEVD）、格兰杰因果检验、历史分解配合使用，构成实证宏观经济时间序列分析的标准方法链条。