局部投影法：如何估计脉冲响应

脉冲响应函数（IRF）描述结果变量在某个已定义的变化或冲击之后如何演变。研究者可以考察产出对意外加息的反应、证券对特定日期公告的反应，或投资组合对已识别风险冲击的反应。观察各响应期的路径，可以了解影响何时出现、何时最大，以及持续多久。

“冲击”必须先有明确定义。观察到政策利率、市场价格或交易信号发生变化，并不意味着它自动就是意外的结构性冲击；这种变化也可能部分包含了关于结果变量本身的信息。没有可信的识别策略时，LP 系数表示给定条件下的关联或线性投影，而不是因果反应。

令 \(y_t\) 表示结果变量，\(s_t\) 表示冲击度量。响应期 \(h\) 的一种常见 LP 设定为：

\[ y_{t+h} = \alpha_h + \beta_h s_t + \sum_{j=1}^{p}\Gamma_{h,j}'W_{t-j} + \varepsilon_{t,h}. \]

这里，\(h\) 是冲击后经过的期数，\(W_{t-j}\) 包含选定的滞后控制变量，\(\beta_h\) 是关注的系数。研究者针对 \(h=0,1,2,\ldots\) 分别估计回归。将 \(\hat\beta_h\) 对 \(h\) 作图，就得到反应路径。若冲击是结构性冲击且识别策略适当，这条路径可以估计结构 IRF；否则，它描述的是条件预测投影。

Jordà 原始方法的核心是直接估计每个关注期的回归，而不是拟合一个动态系统后不断向前递归预测。逐期估计更灵活，但不会自动共享单一系统所施加的平滑动态结构。

对于每个观测，将冲击发生期 \(t\) 与结果观测期 \(t+h\) 对应起来。\(h=0\) 表示观察冲击发生当期的结果，\(h=6\) 表示观察六期后的结果。冲击日期相同、因变量的观测期不同，因此 \(h\) 越大，样本末端可用的行数越少。要把各期放在同一条路径上解读，应使用相同的冲击定义和可比的控制变量。

只有说明变量及其尺度后，\(\beta_h\) 才能解释。如果 \(s_t=1\) 表示意外上调政策利率 25 个基点，那么 \(\beta_h\) 就是对这一幅度冲击的估计反应。如果 \(s_t\) 以百分点计量，系数表示每 1 个百分点冲击对应的反应。改变冲击的尺度会按相同比例改变所有系数。

因变量的定义还决定了路径表示累计变化还是逐期变化。例如，若 \(Y_t\) 是正值的产出指数，可定义：

\[ r_{t,h} = 100\,[\log(Y_{t+h})-\log(Y_{t-1})]. \]

此时，\(r_{t,h}\) 是指数从冲击前水平到响应期 \(h\) 的近似累计百分比变化。若改用月度产出变化等其他结果变量，回答的就是另一个问题。不要把累计水平反应说成只发生在第 \(h\) 个月的变化。

对数差乘以 100，在变化较小时可近似看作百分比变化。若因变量是累计对数差，\(\beta_h\) 表示相对于冲击前基准值、在 \(h\) 期后的估计水平差；若因变量是月度增长率，估计的则是每期增长率反应。标题或图表若只写“产出反应”，定义可能含糊，因此要区分水平、累计变化和逐期变化。

假设一项月度研究将 \(s_t=1\) 定义为意外上调利率 25 个基点，并使用上面的累计产出指标。下列数字仅用于讲解，是假设值，并非真实数据估计。区间仅用每个标准误乘以 \(1.96\) 演示逐点计算。

在这个例子中，6 个月时的估计值比冲击前水平低 0.60%，其逐点区间不包含零。12 个月时估计值的负幅度较小，但区间包含零。这本身不能证明产出在第 6 至第 12 个月间已经恢复：估计有不确定性，各响应期的估计值彼此相关，而且区间重叠并不能检验两个响应期之间的差异。若要对整条路径作出结论，需要适当的差值检验或联合推断。这些数字不是政策预测，也不是对任何现实经济体的估计结果。

表中的 6 个月数值不表示产出仅在第 6 个月下降了 0.60%。按照这里定义的累计因变量，它表示相对于冲击前基准的产出指数估计水平差。同样，12 个月区间包含零，并不能确认效果在该期已经消失；它只表示在所选标准误和逐点计算下无法排除零。置信区间描述估计精度，不会消除样本和识别的局限。

LP 是估计方法，本身不会提供识别所需的变动来源。研究者可以用结构模型、高频意外指标、有效的外部工具变量，或基于可辩护假设的研究设计来定义冲击。每种方法都需要证据，将冲击与其他新闻及结果变量的反馈区分开。

控制变量应符合研究问题的时间顺序。冲击前的滞后变量可以控制此前状况。冲击后测量的变量可能已对冲击作出反应。控制这样的中介变量可能会剔除总反应的一部分，也可能引入新的偏误。应明确冲击发生前可获得的信息，并说明每个控制变量为何纳入回归。

显著的 \(\hat\beta_h\) 并不会把一个看似意外的事件变成外生冲击。还要检查事前预期、同期公告、测量误差、政策规则变化和样本选择。在金融领域，重叠新闻或共同冲击可能使结果同时变动，即使研究的事件并非原因。

若使用外部工具变量，应说明它与关注的冲击相关，并解释排除限制：工具变量不会通过其他路径影响结果。对于高频意外指标，也要检查公告窗口内混入了哪些消息，以及价格反映信息的速度。先明确冲击的识别逻辑，再选择用来估计该冲击反应的 LP。较高的回归拟合度或较小的 p 值本身并不能证明识别假设成立。

LP 和向量自回归（VAR）常被介绍为估计 IRF 的竞争方法。Plagborg-Møller 和 Wolf 指出，在信息集和识别方式相匹配、冲击标准化兼容且滞后结构不受限制时，两种方法可以估计相同的总体反应。这是关于共同估计对象的结论；它不表示有限样本估计必然相同，也不表示任意拟合的 LP 和 VAR 使用相同约束。

若固定使用 \(p\) 阶滞后，二者的响应估计对象在 \(h\leq p\) 时可能近似一致，而在更长响应期出现差异。有限样本中，LP 直接估计每个响应期，变异可能较大；VAR 使用联合动态模型，可能使路径更平滑。模型结构合适时会有帮助，约束不合理时则可能误导。不能仅凭方法名称断定哪种方法总是更好。

不要把“LP 更稳健、VAR 更有效率”当作固定结论，应检查具体使用了哪些动态约束。即使灵活的共同设定具有相同总体估计对象，实际样本中的滞后阶数和信息集不同，也会改变估计路径及其精度。直接比较系数大小还要求冲击标准化一致。比较时，应并列记录方法名称之外的冲击单位、纳入变量、滞后阶数、样本和识别约束。

每个 \(h\) 的回归都会给出一个估计值及其不确定性度量。随着 \(h\) 增大，样本末端可能没有 \(y_{t+h}\) 的观测值，因此可用观测数会减少。多期结果还会相互重叠，所以残差和不同响应期的估计值可能相关。标准误或自助法必须与研究设计及推断目标相匹配。

逐点 95% 区间针对每个响应期分别构造，并不保证整条反应曲线有 95% 的覆盖率。若结论涉及整条路径，应报告作为另一种推断对象的同时置信带。Montiel Olea 和 Plagborg-Møller 在其假设下，为特定的滞后增强 LP 推导了有用结果；这些结果并不意味着可以省略诊断，或把某个标准误做法照搬到任意回归中。在他们的单位根情形下，所述结果不涵盖随样本量成比例增长的响应期。应说明控制变量、响应期范围、协方差估计或自助法，以及区间是逐点还是同时的。

多期结果相互重叠，可能造成残差自相关；但这不代表对所有 LP 使用同一 HAC 滞后阶数就能解决问题。推断论文讨论的滞后增强 LP 采用特定回归设定和条件，其中包含系统变量的历史值。一般实证分析应解释标准误选择为何适合估计量、序列持续性、样本长度和目标响应期。较长响应期的区间变宽，可能是可用观测数和信息量减少所致，并非计算错误。

研究者可以让冲击与衰退指标等可观测状态交互，考察不同状态下的反应是否不同，也可以研究多个结果变量、冲击幅度或子样本。每种扩展都会改变估计对象，并以不同方式使用可用观测值。拆分样本可能导致不确定性较大，尤其是在较长响应期。

可行时，应预先指定关注的响应期和状态。如果尝试了许多结果变量、滞后阶数、样本或冲击定义，应报告这一探索过程，不要把筛选出的路径呈现得仿佛它是唯一分析。跨响应期平滑可以让图表更易读，但会加入约束或调参选择；若展示平滑曲线，也应展示未平滑估计并记录所用方法。

说明结果变量、频率、变换、冲击定义和单位、响应期范围、样本日期、控制变量集合，以及缺失观测的处理方式。识别假设应与回归公式分开说明。报告各响应期的系数和不确定性，或提供单位与区间定义清晰可读的图。

说明估计和推断程序，包括滞后阶数、协方差估计量或自助法，以及区间是逐点还是同时的。对有依据的替代冲击指标、滞后选择或样本窗口，展示相关敏感性分析。IRF 是对某个已识别冲击及结果变量的模型化概括；它不是交易信号，也不保证未来收益。

Jordà 的局部投影法原始论文介绍了逐响应期估计。Plagborg-Møller 和 Wolf 关于LP 与 VAR 等价性的结果阐明了共同总体目标与有限滞后情形的区别。Montiel Olea 和 Plagborg-Møller 的推断分析研究了特定条件下滞后增强 LP 的置信区间。相关指南还介绍了[金融事件研究](/zh-CN/learn/finance-event-study-abnormal-returns-car-explained)、[稳健与 HAC 标准误](/zh-CN/learn/robust-standard-errors-heteroskedasticity-hac-finance-explained)和[双重差分事件时间设计](/zh-CN/learn/difference-in-differences-parallel-trends-finance-explained)。