【正文】 的影響，或脈沖響應(yīng)函數(shù)是隨著時間的推移，觀察模型中的各變量對于沖擊的響應(yīng)。 圖 11看出，滯后期為 5期，穩(wěn)定期為 7期。 右上圖是 LGDP、 LCT 和 LIT分別對 LCT一個標準差沖擊的響應(yīng)。圖 11是按圖 10輸入結(jié)果繪制的脈沖響應(yīng)函數(shù)合成圖。右下方是關(guān)于計算脈沖響應(yīng)函數(shù)標準誤的選項，包括不計算（ None）、漸近解析法（Analytic）和蒙特卡洛法（ Mote Carlo）。 對話框右側(cè)由兩部分構(gòu)成。前兩處輸入的變量不同只會改變顯示結(jié)果的順序，不會對結(jié)果產(chǎn)生影響，而第 3個空白區(qū)變量順序不同，將對結(jié)果產(chǎn)生影響。脈沖響應(yīng)命令 在 VAR模型窗口的工具欄點擊 Impulse就會彈出脈沖響應(yīng)對話窗口 ， 見圖 10 。(2)42 當殘差間相關(guān)時， 它們的共同部分不易識別，處理這一問題的不嚴格做法是 將共同部分歸于 VAR系統(tǒng)第 1個方程的擾動項。 上述沖擊思想可以推廣到含 N個內(nèi)生變量的VAR(p)模型。 同理，將第 0期的脈沖改為 ，即可求出 M的沖擊引起 GDP與 M的響應(yīng)函數(shù)。40以此類推，設(shè)求得響應(yīng)的結(jié)果為 ，稱為由 GDP的沖擊引起的 GDP的響應(yīng)函數(shù)。 當 t=1時： ；將其代入 (6)。 為簡便起見，假定系統(tǒng)從 0期開始運行，則 給定新息（擾動） ，且其后均為 0，即 ，稱此為 0期擾動，對的沖擊，亦即 與 的響應(yīng)。同理， 也會引起類似地沖擊鏈式反應(yīng)。 （ 6） 若系統(tǒng)受某種擾動，使 發(fā)生 1個標準差的變化（沖擊），不僅使 立即發(fā)生變化（響應(yīng)），而且還會通過 ， 影響 的取值 ,且會影響其后的 GDP和 M的取值（滯后響應(yīng)）。以含兩個內(nèi)生變量的 VAR（ 2）模型為例予以說明。這種分析方法稱為脈沖響應(yīng)函數(shù)（ IRF:impulseresponse function）。脈沖響應(yīng)函數(shù)描述 2 脈沖響應(yīng)函數(shù)37的是一個內(nèi)生變量對殘差（ 稱為 Innovation）沖擊的反應(yīng) (響應(yīng) )。 （ 1）脈沖響應(yīng)函數(shù)。 第二 ,不僅能給出政策效果時滯，時滯區(qū)間，而且能給出影響的程度與方向，結(jié)果準確。 36 這里介紹的脈沖響應(yīng)函數(shù)和下面將要介紹的方差分解法，較時差相關(guān)系數(shù)法具有兩個突出優(yōu)點： 第一 ,可將所考慮的全部變量納入一個系統(tǒng)，反映系統(tǒng)內(nèi)所有變量間的相互影響，給出的是系統(tǒng)內(nèi)全部信息相互作用結(jié)果。 給出二時序變量的相關(guān)系數(shù)。 35 EViews命令為：在主窗口點擊： Quicp / Group Statistics / Corss Correogram =序列名窗口，鍵入二序列名（只允許鍵入兩個變量）， OK。即對數(shù)化 ,差分 ,增長率。嚴格講時差相關(guān)系數(shù)法給出的時滯僅是從政策變化到對經(jīng)濟系統(tǒng)產(chǎn)生影響的時間間隔。實際計算時，通常計算基準變量（如 GDP、物價水平等）的增長率與政策變量的增長率間的時差相關(guān)系數(shù)。若取正整數(shù)，則表示 xt滯后于 yt； 若取負整數(shù)，則表示 xt超前于 yt； 若取零，則表示兩變量一致。 兩時序變量間的時差相關(guān)系數(shù) 為 :(5)33式中， 為兩時序變量 xt、 yt 在時差（滯后期）為 p時的相關(guān)系數(shù)。對兩個時序變量，選擇一個作為基準變量，計算與另一變量在時間上錯開 (滯后 )時的相關(guān)系數(shù)。這里重點介紹后兩種方法。 （ 3）脈沖響應(yīng)函數(shù)（沖擊）法； （ 4）方差分解法。所以， VAR模型適用于短期預測，預測精度高和長期規(guī)劃預測。28 圖 6 線性模型窗口29 圖 7 模型預測窗口30 圖 8和圖 9分別是利用動態(tài)和靜態(tài)方法計算出的樣本期內(nèi)實際值與擬合值的比較。 ? 27模型定義窗口中位于線性模型窗口第一行 : assignall f表示將 VAR模型中各內(nèi)生變量的預測值存入以原序列名加后綴字符 “f”生成的新序列（這里演示的是擬合）。故可用其進行預測。26利用 VAR(P)模型進行預測 VAR模型是非結(jié)構(gòu)模型，故不能用模型進行結(jié)構(gòu)分析。 建立了 VAR模型之后，在模型窗口工具欄點擊 Name，將 VAR模型保存，以便進行脈沖響應(yīng)等特殊分析。 表 11是對 VAR模型整體效果的檢驗?？梢园l(fā)現(xiàn)許多 t檢驗值不顯著，一般不進行剔除， VAR 理論不看重個別檢驗結(jié)果，而是注重模型的整體效果，不分析各子方程的意義。輸出結(jié)果包含三部分，分別示于表 表 10和表 11。20建立 VAR模型 在工作文件窗口，在主菜單欄選Quicp/Estimate VAR， OK，彈出 VAR定義窗口，見圖 5。 18 格蘭杰因果性檢驗的 EViews命令： 在工作文件窗口，選中全部欲檢序列名后，選擇 Quicp/Group Statistics/Granger Causality Test，在彈出的序列名窗口，點擊 OK即可。 （ 4）格蘭杰因果性檢驗原假設(shè)為：宇宙集、平穩(wěn)變量（對非平穩(wěn)變量要求是協(xié)整的）、大樣本和必須考慮滯后。17 （ 2）格蘭杰因果性，指的是雙向因果關(guān)系，即相關(guān)關(guān)系。 注意： （ 1）由式（ 4）知 ,格蘭杰因果關(guān)系檢驗式 ,是回歸式，因此，要求受檢變量是平穩(wěn)的，對非平穩(wěn)變量要求是協(xié)整的，以避免偽回歸。 當 時，接受 H0， 對 不存在格蘭杰因果關(guān)系； 當 時，拒絕 H0， 對 存在格蘭杰因果關(guān)系。16類似的，可檢驗 對 是否存在格蘭杰因果關(guān)系。檢驗 對 存在格蘭杰非因果性的零假設(shè)是： 顯然，如果（ 4）式中 的滯后變量的回歸系數(shù)估計值都不顯著，則 H0 不能被拒絕，即 對 不 存在 格蘭杰因果性 。 顧名思義，格蘭杰非因果性關(guān)系，也可以用“格蘭杰因果性 ”概念。 14 格蘭杰非因果性的另一種表述為其它條件不變 ， 若加上 的滯后變量后對 的預測精度無顯著性改善，則稱 對 存在格蘭杰非因果性關(guān)系。 13格蘭杰因果關(guān)系