500论坛币悬赏VAR和SVAR下的两种影响不同。

有时候两种影响的脉冲图像（或方差分解）是一样的，有时候是不一样，对吗？
VAR模型中产出对ZF支出冲击的影响.
SVAR模型中产出对ZF支出冲击的影响
两种影响在图像上如何不同？具体名称？

具体问题具体分析，不同模型仅仅是矩阵的不断组合变换，其结果仅仅具有参考意义，而脉冲图也可以仅仅因为小额的变化产生巨大影响，这种模型多半不属于线性模型，用线性的眼光看容易产生较大误差。

想要，说不出个一二三来啊，，期待牛人来提钱~~

想要，可是不很明白。
如果在VAR和SVAR中设定的分解形式不一样，结果就会不一样吧！我也不明白，期待牛人来解

应该不一样吧。
var没有考虑同期影响，svar则考虑了。

等待高人出现。

一、 前     言
    2008年1月中国的居民消费价格指数（CPI）同比增长率达到7.1%，为1994年以来的最高值。2007年CPI同比增长4.8%，大大超过全年3%的控制目标。2007年12月召开的中央经济工作会议提出明年宏观调控的首要任务是“防止价格由结构性上涨演变为明显通货膨胀”。2008年的宏观经济形势如何，是否出现价格结构上涨向全面上涨演变的趋势，我们必须对此做出准确的判断。尽管人们习惯于使用CPI反映通货膨胀以及判断经济形势，但显然CPI不是一个能够准确反映物价运行状况与经济形势的指标，由于CPI短期内往往受到个别商品价格异常波动的影响，无法反映总供给与总需求关系的真正的紧迫程度，有可能对经济形势产生误导，因此需要一个更好的衡量指标
    核心通货膨胀（Core inflation）是一个比观测到的通货膨胀更好的反映经济形势的指标。核心通货膨胀的概念在20世纪70年代被提出，背景是当时石油出口国大幅度提高原油价格，导致西方国家发生了严重的成本推动的通货膨胀，而抑制通货膨胀的紧缩性经济政策又导致了经济的停滞。因此西方学者在反思当时的政策后认为不应该只是根据观测到的通货膨胀制定经济政策，而是有必要将观测到的通货膨胀分解成两部分，一部分是由总供给与总需求决定的趋势成分，另一部分是由食品或能源价格波动所决定的暂时成分。前一部分称为核心通货膨胀，后一部分称为非核心通货膨胀或暂时通货膨胀。在对通货膨胀进行监测并制定经济政策时，必须区分不同因素对通货膨胀变动的影响。个别商品价格的暂时波动只能引起价格总水平短时间内的提高，反映在通货膨胀率上就是观测到的通货膨胀率的暂时上升，当个别商品的价格波动结束后，通货膨胀率将在短时间内回落。通货膨胀的这种短期波动不应影响决策部门的行动，决策部门应该根据通货膨胀的长期成分即核心通货膨胀制定经济政策。
    对决策部门来说，核心通货膨胀对判断经济形势和制定经济政策有着重要的意义。这是因为，首先，核心通货膨胀是比普通的消费价格指数CPI或投资价格指数IPI更好的反映经济形势的指标，而CPI或IPI有可能对经济形势产生误导，因为个别商品的价格可能由于受到暂时冲击产生波动。其次，核心通货膨胀是比普通的价格指数CPI或IPI更好的对制定经济政策具有参考价值的指标，如果通货膨胀率的上升是由个别商品价格上升引起的，那就不应该采取全面的收缩性的经济政策，而是应该针对个别商品采取措施；如果是由于总供给或总需求的变动导致的通货膨胀率的提高，那就需要采取反周期的政策。因此，决策部门需要区分通货膨胀率的上升是由个别商品价格变化的暂时的冲击引起的还是核心通货膨胀发生了趋势性的变化引起的，如果核心通货膨胀发生了趋势性的变化，就必须采取收缩性的经济政策。第三，核心通货膨胀对未来通货膨胀有更强的预测能力，而CPI等指标由于受到较多不确定性的影响因此其未来走势难以把握。最后，向公众同时发布通货膨胀率与核心通货膨胀率有利于公众更好的了解经济形势，降低通货膨胀的不确定性，使公众对未来通货膨胀做出更加准确的预期，降低经济运行的成本。因此，对核心通货膨胀的研究不仅有重要的理论意义，而且对当前经济形势的判断与宏观经济政策的制定有着重要的现实意义。
    核心通货膨胀不能通过观测直接得到，只能通过各种方法估计，目前为止常用的方法有两类，即时间序列方法与项目排除方法。我们使用国家统计局公布的1980年至2007年的消费价格指数（CPI）、食品价格指数与国内生产总值（GDP）的年度数据，应用一种时间序列模型——结构向量自回归（SVAR）模型估计了中国的核心通货膨胀。
二、核心通货膨胀的估计方法
    核心通货膨胀的概念在20世纪70年代被提出后，最初的估计方法是从“一篮子”商品中排除食品和能源以后合成的通货膨胀指数，排除食品和能源的目的是为了消除暂时冲击对价格的短期影响，以便更准确的发现通货膨胀的长期趋势成分，即核心通货膨胀。这么做的原因是粮食、肉类等容易受到天气、自然灾害等的影响使食品价格出现大幅度的波动；另一方面由于受到地缘政治等因素的影响石油价格也经常出现较大的波动。此后，学者门开发出各种不同的估计方法上。根据Roger（1998）的划分核心通货膨胀的估计方法可以分为两类，时间序列方法与项目排除法。这两类估计方法又分别以核心通货膨胀的两种定义为理论基础。第一种定义是将核心通货膨胀定义为“持续的通货膨胀（persistent inflation）”，另一种定义是将核心通货膨胀定义为“普遍的通货膨胀（generalized inflation）”。这两种定义方式又是根据对通货膨胀的不同定义做出的。

（一）将核心通货膨胀定义为“持续的通货膨胀”
    将核心通货膨胀定义为“持续的通货膨胀”来源于Friedman（1963，p1）对通货膨胀的理解—“价格水平稳定持久的上涨”。Friedman（1963，p25）强调在价格水平稳定持久上涨过程中可能间歇性的出现高于或低于价格的稳定增长率的时期，价格上涨过程中只有稳定持久的成分才是“良性”的，因为这一部分是可以预期的。基于Friedman的理解某些学者把观测到的通货膨胀中稳定持久的部分定义为核心通货膨胀。核心通货膨胀排除了暂时冲击的影响，因为暂时冲击只能使价格“水平”发生持久性的变化，但对价格水平的“变化率”即通货膨胀率不会产生持续的影响。所谓“持续的通货膨胀”是从时间的角度来“纵向”的定义核心通货膨胀，将核心通货膨胀定义为观测到的通货膨胀序列的趋势成分，因此可以根据经济学中的某些变量之间的重要关系，如菲利普斯曲线、奥肯定律等为基础，应用时间序列技术分离通货膨胀中的长期成分与暂时成分，其中的结构向量自回归（Structural Vector Autoregressive，简称SVAR）方法（Quah and Vahey，1995）是通过对SAVR模型施加基于经济理论的长期约束将观测到的通货膨胀分解为核心通货膨胀与非核心通货膨胀。不可观测成分（Unobserved Components，简称UC）模型（Camba-Mendez等，2003）是通过假设产出波动与通货膨胀率波动的背后由一个共同的不可观测力量控制，这个力量所控制的通货膨胀成分就是核心通货膨胀，利用状态空间技术分离通货膨胀中的趋势成分与暂时成分；此外还有基于新凯恩斯理论的动态一般均衡（Dynamic General-Equilibrium，简称DGE）模型（Mankiw等，2003；Aoki，2001）。
（二）将核心通货膨胀定义为“普遍的通货膨胀”
    将核心通货膨胀定义为“普遍的通货膨胀”来源于Okun（1970，p3）对通货膨胀的理解—“价格普遍上涨的情况”，Okun强调的“普遍性”是指商品的范围，即通货膨胀是各种商品普遍的价格上涨，而不是个别或某一类商品的价格上涨。基于Okun的理解观测到的通货膨胀应该由核心通货膨胀与个别或某一类商品的价格变动两部分共同组成，其中个别商品的价格变动主要受暂时冲击的影响。可以看到，所谓“普遍的通货膨胀”的定义是以某个时间点所有商品为对象从“横向”的角度来定义核心通货膨胀。基于这种定义方式，可以使用项目排除法合成核心通货膨胀。项目排除法就是从合成通货膨胀指数的“一篮子”商品中排除波动幅度最大的某些商品，然后根据其它商品的价格合成的通货膨胀指数。确定排除商品的方法一般是根据每个时间点各种商品价格的分布，排除掉某个百分比的上涨幅度最大与下降幅度最大的商品（Bryan和Cecchetti，1994）。
    我们可以看到，本质上两种方式定义的核心通货膨胀是相同的，两者都是从观测到的通货膨胀中排除暂时冲击的影响后剩余的部分，前者成为应用时间序列分析方法的理论基础，而后者成为项目排除法的理论基础。
（三）各种估计方法的应用
    在时间序列方法的应用上，Quah和Vahey（1995）应用SVAR模型估计了英国的核心通货膨胀，Claus（1997）、Bagliano和Morana（2003）年应用SVAR模型估计了美国的核心通货膨胀。在中国有学者分别利用SVAR模型与UC模型估计中国的核心通货膨胀（简泽，2005；赵留彦，2006）。很多国家的决策部门应用项目排除法合成了本国的核心通货膨胀指数，并定期公布。如加拿大的中央银行——加拿大银行从用来合成CPI的“一篮子”的54种商品中扣除了8种波动最剧烈的商品后合成核心通货膨胀——CPIX（Lafleche and Armour，2006）；美国劳工统计局（US Bureau of Labour Statistics）制作了排除食品与能源的核心通货膨胀指数（Bagliano and Morana，2003）；一个极端的例子是澳大利亚财政部所公布的核心通货膨胀，他们排除了用来合成CPI的商品中的将近一半的商品（Reserve Bank of Australia，1994）。
    我们中我们利用国家统计局公布的1980年至2007年的消费价格指数CPI、食品价格指数以及国内生产总值GDP，建立三变量的SVAR模型估计中国的核心CPI。

三、 SVAR模型与核心通货膨胀估计
    （一）SVAR模型与核心通货膨胀上的估计
SVAR模型是对向量自回归（VAR）模型进行结构化的一种方法，尽管VAR模型在多元时间序列分析中得到了广泛引用，但也经常受到批评，被认为缺乏经济含义，因为VAR模型的新息可能存在较强的相关性，导致脉冲响应函数的经济含义模糊不清（Enders，2004）。为克服VAR模型的缺陷Blanchard和Quah（1989）提出了一种施加基于经济理论的长期约束的结构化方法，即SVAR模型。
Quah和Vahey（1995）建立了英国的包括CPI与产出的两变量SVAR模型，他们假设实际产出对数的差分序列与通货膨胀率的差分序列同时受到供给冲击与需求冲击的影响，通过施加“长期中需求冲击对产出的累计影响为零”的长期约束估计SVAR模型，将通货膨胀中受供给冲击影响的部分作为核心通货膨胀。Claus（1997）使用CPI、资本利用率、进口商品价格和消费品生产成本估计了美国的核心通货膨胀；简泽（2005）使用与Quah和Vahey相同的方法与变量，估计了中国的核心通货膨胀。
（二）对Quah和Vahey模型的改进
    从Quah和Vahey（1995）所做的假设可以看出，他们将观测到的通货膨胀中受到供给冲击影响的部分作为核心通货膨胀，但我们认为这是不恰当的。这是因为，根据Roger（1998），观测到的通货膨胀由三种成分组成：
                 （1）
这里 是总供给曲线移动造成的价格变动部分，反映了供给冲击的影响，即技术进步、知识积累等引起的劳动生产率的永久提高对价格的影响，是观测到的通货膨胀中的趋势成分； 是总需求曲线移动造成的价格变动部分，反映了需求冲击的影响，即自发投资、政府支出或货币供给的变化对价格的影响，是实际通货膨胀中的周期成分； 是扰动项，反映了个别商品价格的变动等暂时因素对通货膨胀的影响。
    对于将式（1）中哪个部分作为核心通货膨胀有不同的看法。有学者将式（1）中的 部分作为核心通货膨胀，例如Eckstein（1981）认为核心通货膨胀只包含趋势成分而不包含周期成分，Quah和Vahey（1995）实际上也是将 作为核心通货膨胀。也有的学者将式（1）中的 部分作为核心通货膨胀，例如Hogan等（2001）将超过24个月的价格变动都当作核心通货膨胀，因此将总需求变动决定的通货膨胀的周期成分 当作核心通货膨胀的组成部分。
我们认为 更加符合核心通货膨胀的最初定义，因为 是排除了个别商品价格暂时波动后剩余的部分，而且，由总需求的变动引起的通货膨胀的周期成分 正是政府与公众所关注的，并需要采取货币政策或财政政策进行调控的，因此 应该是核心通货膨胀的一部分。
（三）改进的SVAR模型与核心通货膨胀估计
    基于以上考虑我们在Quah和Vahey的两变量SVAR模型的基础上，引入食品价格指数建立三变量SVAR模型，目的是排除食品价格波动的影响来估计核心通货膨胀。具体模型如下：
    假设经济中存在三种在所有的领先期与滞后期彼此之间互不相关的冲击：需求冲击（ ）、暂时冲击（ ）与供给冲击（ ），其中需求冲击反映了自发投资、政府支出或货币供给的变化，暂时冲击反映了自然灾害等造成的暂时影响，而供给冲击反映了由技术进步、知识积累等引起的劳动生产率的永久提高。进一步假设通货膨胀率（ ）、食品价格指数同比增长率（ ）与产出增长率序列（ ）同时受到供给冲击、需求冲击与暂时冲击的影响。平稳过程 、 与 （对三个变量的平稳性检验在文中第四部分）可以分别表示为移动平均过程，在三个移动平均过程中， 、 与 分别是当前与过去各期需求冲击、暂时冲击与供给冲击的线性组合：
                                           （2）
   式（2）为包含 、 与 三变量的结构向量自回归（SVAR）模型，这里 是滞后算子多项式：

表示 期的第 种冲击对第 个变量的影响程度，并且有 。式（2）可以写成：

这里 ， ， 。进一步假定 ， 与 是标准化的白噪声序列，因此有 。
    为估计 与 ，首先需要通过最小二乘法（OLS）估计简化式的VAR模型 ，然后将简化式表示成无穷阶的VAR 形式 ，再根据结构式可以得到 。由于 ，可得 ，并且有：

（3）
    由式（3）可以得到关于 （ ）的6个方程，还需要另外3个方程才可以求解 。为此我们施加三个基于经济理论的长期约束：第一，根据自然率假设，只有供给冲击影响产出的长期趋势变化，而需求冲击在长期对产出的累积影响为零；第二，根据自然率假设，暂时冲击在长期对产出的累积影响为零；第三，暂时冲击在长期对通货膨胀率的累积影响为零。三个长期约束意味着： ， ， 。再根据 与 可得到 ，这样就得到了关于 （ ）的3个方程。
    排除暂时冲击的影响，则通货膨胀的变动 中的核心通货膨胀的变动成分为：
     
四、 数据分析与模型估计
（一）数据分析
    我们使用居民消费价格指数CPI同比增长率反映中国的通货膨胀率，这是因为所有经济政策的最终目标都是使个人福利最大化，而CPI与IPI或GDP平减指数相比能够更好地反映消费者的生活成本。实际上不仅中国的政策制定部门如中国人民银行将CPI作为监测的对象，世界上所有设定通货膨胀目标的国家都将CPI作为监测的对象（Roger，1998）。模型中还使用国内生产总值GDP增长率反映产出的变化。为了从观测到的通货膨胀中排除波动最剧烈的商品的影响，我们考察了国家统计局公布的构成CPI的八大类商品——食品、烟酒及用品、衣着、家庭设备用品及服务、医疗保健及个人用品、交通和通信、娱乐教育文化用品及服务和居住的价格波动情况，发现1980年以来食品价格的波动幅度远大于其它七类商品，例如2007年11月，食品价格指数同比增长18.2%，而其它七大类商品的价格同比增长在-1.4%至6.0%之间，因此我们有理由认为排除食品价格波动后的核心CPI能够更加真实准确的反映价格水平。
    CPI同比增长率、食品价格同比增长率与GDP增长率三个指标均为年度数据，来自于《中国统计年鉴》与国家统计局网址http://www.stats.gov.cn/tjsj，时间跨度为1980-2007年。受数据来源限制，1980-1993年的食品价格指数使用食品零售价格指数，1994-2007年的食品价格指数使用食品消费价格指数，GDP为前三个季度的累积增长率。图1为CPI同比增长率与食品价格指数。从图1可以看到，1988年与1994年发生较严重的通货膨胀的时期食品价格的上涨幅度大大高于CPI同比增长幅度，而1999-2002的通货紧缩时期食品价格指数比CPI同比下降幅度更大。可见食品价格的波动非常剧烈，而食品价格的剧烈波动必然引起CPI的波动，因此通过SVAR模型去掉食品价格波动影响后得到的核心CPI的波动必然小于CPI的波动，能够更好的反映CPI的趋势成分。
（二）模型估计
    第一步，对数据进行平稳性检验。我们使用Eviews5.0软件对 、 和 进行了Augmented Dickey-Fuller（简称ADF）单位根检验，ADF检验的原假设是被检验序列有单位根。检验结果表明 、 和 有单位根的概率分别为0.040、0.025和0.012，因此在5%的水平拒绝 、 和 有单位根的原假设，可以利用 、 与 建立协方差平稳的VAR模型。
   第二步，以SIC为准则函数进行模型选择，确定一个1阶的简化式VAR模型