含外生变量的VECM模型IRF绘制问题（R语言）

可以纳入外生变量绘制IRF，但你当前的方法存在问题：vec2var基于仅含内生变量的协整检验结果生成VAR，这个VAR模型不包含外生变量，因此IRF无法体现外生变量的影响。正确的做法是基于你已经估计好的**包含外生变量的VECM模型（est_tsdyn1）**直接计算IRF，具体方案如下：

方案1：直接用tsdyn包的irf函数计算IRF #

tsdyn包的VECM对象支持直接计算包含外生变量的IRF，既可以控制外生变量的影响（即IRF反映内生变量对内生脉冲的响应，同时保持外生变量不变），也可以将外生变量作为脉冲变量，观察其对内生变量的冲击效果。

代码示例： #

# 基于含外生变量的VECM计算内生变量的IRF（控制外生变量影响）
irf_result <- irf(est_tsdyn1, 
                  response = "log_msci", 
                  impulse = c("log_gdp", "log_cci", "log_interest_rate"),
                  boot = TRUE, ci = 0.95)

# 绘制IRF
plot(irf_result, ylab = "MSCI")

# 可选：将外生变量作为脉冲，观察其对内生变量的响应
irf_result_exog_impulse <- irf(est_tsdyn1, 
                               response = "log_msci", 
                               impulse = c("log_gdp", "log_cci", "log_interest_rate", "trade.balance", "inflation"),
                               boot = TRUE, ci = 0.95)

plot(irf_result_exog_impulse, ylab = "MSCI")

方案2：将含外生变量的VECM转换为VAR后计算IRF #

如果偏好使用vars包的irf函数，需要先将包含外生变量的VECM转换为带外生变量的VAR。由于vec2var不支持直接处理外生变量，你可以从est_tsdyn1中提取模型信息手动构造varest对象，或者直接用vars::VAR函数估计包含外生变量的无约束VAR（注意：无约束VAR和VECM的系数约束不同，结果会有差异）。

代码示例（直接估计带外生变量的VAR）： #

library(vars)
# 估计包含外生变量的VAR（滞后阶数与VECM一致，VECM的lag是差分滞后，VAR的p是原变量滞后，这里p=lag+1=3）
var_with_exog <- VAR(df11[, c("log_msci", "log_gdp", "log_cci", "log_interest_rate")], 
                     p = 3, 
                     exogen = df11[, c("trade.balance", "inflation")])

# 计算并绘制IRF
suppressWarnings({
  plot(irf(var_with_exog, 
           response = "log_msci", 
           impulse = c("log_gdp", "log_cci", "log_interest_rate"),
           boot = TRUE, ci = 0.95),
       ylab = "MSCI")
})

关键说明 #

• 你之前用conin_test1做协整检验时仅用了内生变量，因此vec2var生成的VAR不含外生变量，无法用于绘制包含外生变量的IRF。
• 优先使用方案1，因为它基于你已经估计好的带约束的VECM模型，结果更符合协整关系的设定；方案2的无约束VAR是另一种模型设定，适用于不需要协整约束的场景。

内容的提问来源于stack exchange，提问作者Laura_777