统计百科 ·
VAR脉冲响应函数的APA报告怎么写？IRF图表、置信带与方差分解规范全解
统计百科：专攻"VAR脉冲响应函数如何写进论文"——IRF图规范、68%与95%置信带选择、正交化冲击解读、预测误差方差分解（FEVD）APA报告句式，给出可直接套用的完整模板，覆盖滞后阶选择、平稳性检验前置步骤与图表标注要求。
IRF图跑出来了，结果怎么写进论文？置信带用68%还是95%？方差分解表的百分比怎么描述？正交化和广义化脉冲响应有什么区别、要不要说明？这篇文章专攻"VAR脉冲响应函数如何规范写进论文"这一格式难点，给出APA 7th角度的完整报告模板，并逐一解答审稿人最常追问的细节。
你的VAR结果报告有这些问题吗？
导师或审稿人关于VAR/IRF报告最常见的反馈：
- "脉冲响应图缺少置信带，无法判断冲击效应是否统计显著"
- "置信带是68%还是95%？请在正文中明确说明"
- "采用的是正交化冲击（Cholesky）还是广义化冲击（Generalized IRF）？排序依据是什么？"
- "方差分解的时间步长是10期还是20期？结果敏感性如何？"
- "图表标注不规范：缺少变量名称、期数单位、置信带说明"
- "结果段落只说'IRF显示有影响'，没有报告冲击在第几期达到峰值、峰值大小、何时回归均衡"
这些问题集中在VAR分析结果的呈现规范，而非统计原理本身。本文只讲一件事：VAR脉冲响应函数和方差分解到底怎么规范写进论文。
如果还没跑过VAR模型，建议先读姊妹篇 VAR向量自回归用AI一句话完成，本文默认已完成定阶、平稳性检验和模型估计，直接进入结果报告阶段。
一、VAR报告的前置步骤：在写IRF之前必须先报告什么
APA 7th没有专门针对时间序列VAR的单独章节，但遵循其"足以让读者重复研究"的原则，VAR结果部分在进入脉冲响应之前，必须先交代清楚以下内容：
1.1 变量平稳性检验
报告每个变量的ADF（Augmented Dickey-Fuller）或PP（Phillips-Perron）检验结果，说明是水平I(0)还是差分I(1)序列：
对各变量进行增广Dickey-Fuller单位根检验（含截距项和趋势项）。
检验结果显示，[变量A]在水平值下拒绝单位根假设，ADF统计量为-4.32（p < .01），
为I(0)序列；[变量B]水平值检验不显著（ADF = -1.87，p = .340），
一阶差分后显著（ADF = -6.14，p < .001），为I(1)序列。
注意：若所有变量为I(1)，需进一步检验协整关系（Johansen检验），决定用VAR（无协整）还是VECM（有协整）。
1.2 最优滞后阶数选择
报告信息准则结果，说明最终选用的滞后阶数及依据：
基于AIC、SC（BIC）和HQ信息准则，综合选择滞后阶数p = [X]。
各准则的最优阶数：AIC建议p = X，SC建议p = X，HQ建议p = X。
选用p = [X]既满足信息准则最小化原则，又保证残差白噪声（LM检验p > .05）。
1.3 VAR稳定性检验（特征根检验）
VAR模型所有特征根的模均小于1（最大模为0.87），
位于单位圆内，确认模型满足平稳性条件，脉冲响应函数收敛。
二、脉冲响应函数（IRF）：图表规范
2.1 IRF图必须包含的五个要素
| 要素 | 说明 |
|---|---|
| 横轴 | 时间步长（期数），标注"期"或"Periods"，通常10至20期 |
| 纵轴 | 响应变量的变动幅度（与原始单位一致，或标准化） |
| 冲击线 | 脉冲响应点估计，实线 |
| 置信带 | 68%或95%置信区间，灰色阴影或虚线表示 |
| 图题 | "图X. [响应变量]对[冲击变量]一个标准差冲击的脉冲响应函数" |
APA图题格式：
图1
[响应变量]对[冲击变量]一个标准差冲击的脉冲响应函数（p = [阶数]阶VAR，
[方法]置信带，N = [样本量]，样本区间：[起止时间]）
注. 阴影区域表示[68%/95%]bootstrap置信带，基于[次数]次重复抽样。
虚线为零轴，冲击变量经Cholesky正交化处理，排序为[变量顺序]。
2.2 置信带：68%还是95%？
这是最常引发审稿意见的点。两者均可使用，但选择必须在方法章节明确说明：
| 置信带 | 适用场景 | 对应一西格玛区间 |
|---|---|---|
| 68%（一标准差） | 宏观经济学、央行报告、Bayesian VAR惯例；强调"典型冲击"而非严格显著性 | 约±1σ |
| 95%（两标准差） | 社会科学、医学经济学；强调统计显著性判断 | 约±1.96σ |
实操建议：若目标期刊在宏观/金融领域，68%置信带是学界惯例（Sims, 1980; Christiano et al., 1999）；社会科学期刊建议使用95%置信带，或同时呈现两者。
方法章节说明模板：
脉冲响应函数基于Cholesky分解的正交化冲击，以bootstrap法（重复抽样500次）
构建95%置信带。VAR变量排序依照外生性由强到弱的原则：[排序列表]。
三、正交化冲击 vs 广义化冲击：区别与报告要求
| 方法 | 核心特征 | 报告时必须说明 |
|---|---|---|
| Cholesky正交化（OIRF） | 依赖变量排序；不同排序结果不同 | 排序依据（经济理论/Granger因果方向） |
| 广义化冲击（GIRF，Pesaran & Shin, 1998） | 排序不变性；适合变量间高度相关 | 说明采用GIRF及参考文献 |
| 结构识别（SVAR） | 通过约束矩阵识别结构冲击 | 约束类型（短期/长期）及理论依据 |
报告示例（Cholesky）：
脉冲响应函数基于Cholesky分解，变量排序为[变量1→变量2→变量3]，
排序依据为[理论依据/Granger因果检验结果]（[参考文献]）。
报告示例（GIRF）：
为避免Cholesky分解对变量排序的依赖，本研究采用广义化脉冲响应函数
（Generalized Impulse Response Function, GIRF；Pesaran & Shin, 1998），
其结果对变量排序具有不变性。
四、APA报告模板：IRF文字描述
四要素结构
每条IRF文字描述须包含：冲击方向 + 峰值大小与期数 + 持续时间（回归零线或稳态） + 统计显著性（置信带是否含零）。
完整报告段落模板
[响应变量]对[冲击变量]一个标准差正向冲击的脉冲响应结果（图X）显示，
[响应变量]在冲击后第[N]期达到响应峰值（约+[X.XX]个单位/标准差），
[峰值处置信带/是否统计显著：95%置信带不含零]，随后逐渐衰减，
至第[M]期基本回归均衡水平，响应效应持续约[M]期。
反向冲击下，[响应变量]在第[N']期达到负向峰值（约[−X.XX]），
95%置信带含零，响应效应在统计上不显著。
注. 置信带不含零为非正式显著性参考，与正式假设检验的p值有本质区别；跨多期的置信带结论涉及多重比较问题。如需正式检验，可报告Wald检验或forecast error bound检验。
填入数值的示例
以"GDP对货币政策冲击的响应"为例：
GDP增长率对货币政策利率一个标准差正向冲击（紧缩冲击）的脉冲响应结果（图2）显示，GDP增长率在冲击后第3期达到负向峰值（约−0.42个百分点），95% bootstrap置信带不含零（CI [−0.71, −0.13]），响应效应统计显著。此后响应逐渐收敛，至第8期基本回归均衡水平，累积效应持续约8期。通货膨胀率（CPI）对同一利率冲击的响应在前2期接近零，第4期出现负向响应（约−0.28个百分点），但95%置信带含零，响应效应在统计上不显著，与"价格之谜"（price puzzle）现象一致（Sims, 1992）。
五、预测误差方差分解（FEVD）：APA报告模板
FEVD（Forecast Error Variance Decomposition）说明每个变量的预测误差方差中，有多少比例来自自身冲击、多少来自其他变量冲击。
FEVD表格规范
APA表格标题格式：
表X
[因变量]预测误差方差分解（%，p = [阶数]阶VAR，Cholesky正交化）
示例表格（以GDP为因变量）：
| 预测期（步） | GDP自身冲击 | 货币政策冲击 | 通货膨胀冲击 |
|---|---|---|---|
| 1期 | 100.00 | 0.00 | 0.00 |
| 4期 | 82.37 | 11.24 | 6.39 |
| 8期 | 68.14 | 21.53 | 10.33 |
| 12期 | 61.82 | 26.71 | 11.47 |
| 20期 | 58.93 | 28.64 | 12.43 |
注. 各行合计为100%（存在舍入误差）。预测期单位为季度。
FEVD文字描述模板
预测误差方差分解结果（表X）显示，[目标变量]预测误差的方差
在短期（1期）几乎全部来自自身冲击（[X]%）。
随预测期延长，[来源变量1]冲击的贡献比例持续上升：
至第[N]期，[来源变量1]冲击解释了[目标变量]预测误差方差的约[X]%，
表明[来源变量1]对[目标变量]具有显著的中长期影响。
[来源变量2]的贡献相对较小，第[N]期仅解释约[Y]%的方差。
填入数值的示例
预测误差方差分解结果（表3）显示，GDP增长率预测误差方差在第1期完全由自身冲击解释（100%）。随预测期延长，货币政策冲击的贡献比例持续上升：至第8期，货币政策冲击解释了GDP预测误差方差的21.53%，至第20期上升至28.64%，表明货币政策冲击对GDP具有显著且持续的中长期影响。通货膨胀冲击对GDP方差分解的贡献相对稳定，第20期约为12.43%，贡献量小于货币政策冲击。
六、在ChatSRS一句话获得规范VAR/IRF报告
打开 chatsrs.com，上传数据后输入：
"对GDP增长率、CPI和货币政策利率做VAR分析：先做ADF平稳性检验（含截距和趋势），用AIC/SC/HQ信息准则选最优滞后阶数，做Granger因果检验，输出GDP对利率冲击的脉冲响应函数图（Cholesky正交化，利率排序在GDP之后，95% bootstrap置信带，20期），以及GDP的预测误差方差分解表（第1/4/8/12/20期），并给出符合APA 7th格式的完整结果报告段落，指出峰值期数、峰值大小和置信带是否含零。"
ChatSRS（var_analysis引擎）将自动完成全流程：平稳性检验 → 定阶 → 模型估计 → IRF图（含置信带）→ FEVD表 → APA报告段落，数值自动填入，图表可直接嵌入论文。
七、方法章节标准描述模板
完整方法章节（VAR + IRF + FEVD）
采用向量自回归（VAR）模型分析[变量列表]之间的动态关系。
分析步骤如下：首先，以增广Dickey-Fuller（ADF）检验评估各变量平稳性，
必要时对I(1)变量进行一阶差分处理；若存在协整关系（Johansen检验），
则改用VECM模型。其次，基于AIC、SC和HQ信息准则综合选择最优滞后阶数；
以残差LM检验确认残差白噪声（p > .05），以特征根检验确认模型平稳性。
脉冲响应函数（IRF）采用Cholesky分解进行正交化处理，变量排序为[顺序]，
依据为[经济理论或Granger因果方向]；以bootstrap重复抽样[N]次构建95%置信带。
预测误差方差分解（FEVD）在第1、4、8、12、20期报告各变量冲击的贡献比例。
统计分析使用R（vars包；Pfaff, 2008），通过ChatSRS平台运行（ChatSRS为运行环境，分析引擎为R/vars包），显著性水平设为alpha = .05。
八、VAR/IRF报告常见错误对照表
| 常见错误 | 正确做法 | 违反的原则 |
|---|---|---|
| IRF图无置信带 | 必须呈现bootstrap置信带（68%或95%） | 无法判断显著性 |
| 未说明置信带宽度 | 图题或正文注明"95% bootstrap CI，500次重复" | 可重复性要求 |
| 未说明正交化方法和排序 | 注明Cholesky/GIRF及变量排序与依据 | 方法透明性 |
| 只说"IRF显示有影响" | 报告峰值期数、峰值大小、置信带是否含零 | APA描述统计要求 |
| FEVD表只报告一个时间点 | 至少报告第1/4/8/12/20期（覆盖短中长期） | 动态效应完整性 |
| 未报告ADF和定阶结果 | 在结果前置段报告平稳性检验和信息准则结果 | 前提检验可追溯 |
| IRF图题仅写"脉冲响应图" | APA图题格式：冲击变量、响应变量、期数、置信带 | APA图表规范 |
| 未说明选用VAR还是VECM | 报告协整检验结果及建模选择依据 | 模型选择透明性 |
常见FAQ
Q：脉冲响应函数的置信带一定要用bootstrap吗？还有什么方法？
A：不一定，但bootstrap是当前最常用且被期刊广泛接受的方法。除bootstrap外，还可用delta方法（基于渐进正态近似，计算快但小样本偏差较大）或Bayesian VAR的后验置信区间。建议在方法章节写明所用方法和重复抽样次数（如"bootstrap法，500次重复"）。对于小样本（T < 100），bootstrap或Bayesian方法优于delta方法。
Q：FEVD的结果随时间步长延长，各变量贡献比例变化很大，怎么描述？
A：这是VAR分析的正常现象，报告时需同时呈现短期（1—4期）、中期（8—12期）和长期（20期以上）的结果，并用文字指出哪个变量的贡献随时间"持续上升"或"趋于稳定"。如果长期贡献比例发生实质性改变（如从5%上升到30%），这本身就是值得讨论的发现，应在结果段落中明确点出。
Q：Granger因果检验显著，但IRF置信带含零，两个结论矛盾吗？
A：不完全矛盾，但需要谨慎解释。Granger因果检验是联合F检验，判断整体上所有滞后项是否显著；IRF是逐期的点估计，某一特定期的响应置信带含零不代表整体无效应。报告时可说明"Granger因果检验显示X对Y具有显著预测能力（F = XX, p < .001），但脉冲响应的单期峰值效应较小，95%置信带在部分期数含零，表明效应分散在多个时期而非集中于某一期"。
Q：VAR变量排序怎么确定，论文怎么交代？
A：排序有三种依据，论文中必须明确说明：(1) 经济理论：按变量的外生性由强到弱排序（如货币政策先于产出、产出先于价格），引用支撑的经济理论文献；(2) Granger因果方向：若A不Granger-cause B但B Granger-cause A，则A排在B之前；(3) 稳健性检验：报告不同排序下的IRF结果，说明主要结论对排序的敏感性。不说明排序依据是宏观计量论文中最常见的被拒原因之一。
快速参考：VAR/IRF报告格式速查卡
[单位根检验（前置）]
ADF: t([附滞后]) = -X.XX, p [= .XXX / < .01], I([0/1])
[滞后阶数选择]
AIC最优: p = X; SC最优: p = X; HQ最优: p = X; 选用: p = X
残差LM检验: chi^2([df]) = X.XX, p = .XXX（满足白噪声）
[IRF文字描述核心四要素]
冲击 → 响应, 第N期峰值 ≈ ±X.XX单位,
95% CI [X.XX, X.XX] (含/不含零), 持续M期
[FEVD表标注]
表X：[因变量]预测误差方差分解（%）
注. 行合计100%；Cholesky正交化；排序：[变量顺序]
[图题格式]
图X
[响应变量]对[冲击变量]一个标准差冲击的脉冲响应函数
注. 阴影区域为95% bootstrap置信带（500次重复）；虚线为零轴
相关阅读
- VAR向量自回归用AI一句话完成 — 定阶、Granger因果、IRF与FEVD全攻略
- F值的APA 7th报告写法 — F(df1,df2)格式、效应量eta平方、报告模板全解
- 面板回归APA报告规范 — 固定效应/随机效应/Hausman检验写法
- 双重差分DID的APA报告写法 — 平行趋势、交互项与稳健性全解
本文首发于ChatSRS官方博客。如有问题或反馈，欢迎在ChatSRS站内 [用户中心 -> 帮助与反馈] 联系我们。