动态计量经济学的思想与方法最早可以追溯到Sargent（1971），他提出利用历史数据分析宏观经济系统中政策变化的测度问题。20世纪70年代，随着“理性预期”革命的到来，传统凯恩斯主义宏观经济学迈向新古典宏观经济学。新古典宏观经济学的研究不仅具有微观经济基础，还实现了从静态分析向动态分析的跨越。Sargent（1971）将理性预期的思想引入经济学分析中，判断经济环境改变时经济人的决策行为。Hansen&Sargent（1980）通过构造一个VAR模型对理性预期的利率期限结构进行估计（极大似然估计，MLE）和检验（似然比检验，Likehood Ratio Test）。随后Hansen&Sargent（1982）进一步利用广义矩估计方法进行了相关研究。经济变量间的动态关系往往比静态关系更加复杂和重要。利用动态计量经济学方法，Sargent（1973，1978a，1978b）对劳动力和工资的研究表明动态分析比静态分析能更好地解释实际经济情况。

Sims对宏观经济和动态计量经济学的发展做出了突出的贡献，尤其是VAR模型和SVAR模型的提出改变了宏观经济领域的实证分析范式。相关研究中区分了经济变量的动态属性，拓展了结构模型在宏观经济实证研究领域的应用范围和适用性。目前，SVAR模型及其拓展模型已广泛应用于宏观经济学、货币金融学、能源经济学和农业经济学等学科领域。Sargent和Sims的研究解释了经济状况形成的原因，回答了实证宏观经济学领域“什么引致了什么”的基本命题。

在宏观经济研究中，动态因果效应被认为是随着时间的推移，政策干预在经济系统中的传播效应。评估政策变化的动态因果效应是十分困难的，例如，货币政策的变动会带来某种冲击，进而引发经济系统一连串自主的、意外的变动，从而对产出带来影响。但是，货币政策变动通常又是对实际GDP的某种反应，而GDP又通过投资决策、消费决策以及其他变量，被货币政策所直接或间接的影响，即简单回归存在由于双向因果关系所导致的内生性问题。因此，在经验研究中不能简单地把货币政策变动放到等号的右侧去考察它对结果变量的影响，解决内生性问题需要更多的信息。单一方程时间序列动态因果推断方法探讨的是单个变量的动态规律性，通过考察变量间的长期关系，可以实现对动态效应的评价。而在经验研究中，变量之间往往具有相关性，变量的变化不仅受自身滞后值的影响还会受到系统中其他变量滞后值的影响，这就需要把单方程推广到多变量结构模型的研究中。Angrist&Kuersteiner（2004，2011）将潜在结果框架拓展到时间序列的结构模型中，不仅解决了微观计量经济学关注的异质性问题，也解决了时间序列计量经济学的动态性问题。(www.daowen.com)

本章主要介绍基于结构向量自回归（SVAR）模型的动态因果效应的潜在结果框架，包括Angrist&Kuersteiner（2004，2011，2018）、Ramey（2016）和Stock&Watson（2018）等文献分别基于SVAR模型提出了评价宏观经济政策动态因果效应的政策倾向得分（Policy Propensity Score）方法、LP-IV方法和SVAR-IV等方法，构建了动态因果效应评价的高维时间序列模型分析方法体系。并且，我们扩展了Angrist et al.（2011）的研究成果，根据结构突变理论对经济发展周期进行区制划分，并使用H-P滤波的方法分离出相关的政策冲击序列以及正向和负向政策冲击序列，基于SVAR模型的脉冲响应函数分析，利用半参数倾向得分的条件独立性假设检验和逆概率加权的方法分别给出了经济发展不同阶段以及不同方向政策对主要经济变量响应期和平均因果效应的估计，探讨了经济发展周期不同区制政策冲击调控效应的动态演化和非对称性检验。