基于DAG分析，我们得出了各变量之间的当期因果关系，我们以此构建结构化向量自回归模型（SVAR）模型的约束矩阵。并在此基础上，进行脉冲响应和方差分解分析。

（一）脉冲响应

由于VAR模型的估计结果只具有一致性，单个参数估计值的经济解释是很困难的。要想对一个VAR模型做出分析，通常是观察系统的脉冲响应函数和方差分解。脉冲响应函数解释了变量是如何对各种冲击做出反应以及反应的程度。具体地说，它描述的是在随机误差项上施加一个标准差大小的冲击后对内生变量的当期值和未来值所带来的影响。

图6-7　对各变量一个单位标准差的脉冲响应（基于DAG）

如图6-7所示，在一个单位的冲击下，透明度对于自身的冲击响应的初始值较高，从第1期上升到较高水平后快速衰减，到第8期冲击响应基本消失；透明度对经济增长的脉冲响应在第2期开始，之后缓慢衰减，至14期后基本维持在0.001的较低水平。而透明度对通胀水平在第三期才开始出现并在第7期后衰减，10期后的脉冲响应基本消失。透明度对金融深化的脉冲响应一直不显著，并在14期后衰减至0.001的水平。透明度对开放度一个单位脉冲的响应第2期才会出现，之后缓慢衰减，并最终维持在0.001的水平上。

（二）方差分解

方差分解反映了未来预测误差由不同信息的冲击影响的比例或贡献的百分比，对各变量的预测方差分解如表6-7、表6-8所示。

表6-7　基于有向无环图（DAG）的预测方差分解（一）(www.daowen.com)

表6-8　基于有向无环图（DAG）的预测方差分解（二）

同时，为了更直观的观察预测方差分解的情况，我们给出了基于有向无环图的货币政策透明度预测方法分解图，如图6-8所示。

图6-8　基于有向无环图的mpt预测方差分解图

通过观察预测方差分解表和预测分解方差分解图，我们可以清楚地发现，货币政策透明度的波动绝大部分可以由自身因素来解释，从1-4期出现快速下滑后，基本稳定在60%～70%左右的水平，这说明货币政策透明度存在很大的惯性因素。其实这也很好理解，货币政策透明度作为一种制度性安排，其变动是一个缓慢的过程。除自身因素外，其他变量对政策透明度的影响都由第一期后存在不同程度的上升，但是上升幅度有所差别。以第10期为例，经济增长可以解释预测方差变动的12.05%，历史通胀可以解释7.22%，金融深化可以解释0.59%，而开放度可以解释16.98%。因此，除去自身惯性因素外，各变量对货币政策波动影响的大小从高至低依次为：开放度＞经济增长＞历史通胀＞金融深化，并且金融深化的影响一直非常小。这说明我国货币政策透明度受外部影响较大，受内部影响较小；受实体经济影响较大，受物价、金融等虚拟经济影响因素较小。

从其他变量的方差分解结果来看，我们以第10期为例，各变量对经济增长波动影响的大小依次为经济增长（64.93%）＞开放度（14.39%）＞政策透明度（10.29%）＞金融深化（8.63%）＞历史通胀（1，77%），各变量对历史通胀波动的影响大小依次为开放度（35.51%）＞历史通胀（34.09%）＞经济增长（19.64%）＞政策透明度（10.10%）＞金融深化（0.65%），各变量对金融深化波动的影响大小依次为经济增长（62.03%）＞开放度（19.73%）＞政策透明度（12.89%）＞历史通胀（2.70%）＞金融深化（2.65%），各变量对开放度波动的影响大小依次为开放度（64.70%）＞经济增长（29.85%）＞政策透明度（3.08%）＞历史通胀（1.81%）＞金融深化（0.56%）。