與傳統(tǒng)的計量經(jīng)濟模型（如線性回歸模型、聯(lián)立方程模型）等以經(jīng)濟理論為基礎建立描述經(jīng)濟變量之間結構關系的模型不同，西姆斯（Sims，1980）提出的向量自回歸（VAR）模型是一種基于經(jīng)濟數(shù)據(jù)來研究經(jīng)濟系統(tǒng)動態(tài)變化的時間序列分析模型。VAR模型采用多方程聯(lián)立的形式，在模型的每一個方程中，內(nèi)生變量對模型所有內(nèi)生變量的滯后項進行回歸，從而估計全部內(nèi)生變量間的動態(tài)關系。經(jīng)過30多年的發(fā)展，VAR模型在宏觀經(jīng)濟變量性質(zhì)的準確描述和預測以及經(jīng)濟政策影響因素和效果的模擬研究等領域具有廣泛應用，已成為經(jīng)濟政策分析的重要方法。2011年的諾貝爾經(jīng)濟學獎授予了西姆斯教授，其獲獎理由就是開創(chuàng)性地利用VAR模型分析宏觀經(jīng)濟中的因果關系，對實證宏觀計量經(jīng)濟的發(fā)展做出了重要貢獻。這也充分反映了VAR類模型在經(jīng)濟分析中的廣泛應用和強大的解釋力。
　　采用VAR模型分析經(jīng)濟問題時，由于VAR模型是基于數(shù)據(jù)驅(qū)動的模型，一種非理論模型，故其單個參數(shù)估計值的經(jīng)濟解釋是困難的。故在VAR模型中通常不解釋單個參數(shù)估計值的經(jīng)濟意義，而是分析經(jīng)濟系統(tǒng)中受到某種沖擊時各個變量的動態(tài)變化，以及每個沖擊對內(nèi)生變量變化的貢獻程度，也即我們熟悉的脈沖響應函數(shù)和方差分解分析。
　　然而，VAR模型中內(nèi)生變量的即期關系并沒有得到有效體現(xiàn)，從而導致經(jīng)濟變量間的即期關系包含在隨機擾動項中，造成了隨機誤差項的相關。簡約式VAR模型未考慮結構性的經(jīng)濟沖擊，難以與實際經(jīng)濟狀況相吻合，對于諸如脈沖響應函數(shù)和方差分解的解釋出現(xiàn)了一定困難。布蘭查德和柯（Blanchard an dQuah，1990）對簡約式VAR模型進行修正，提出包含內(nèi)生變量即期關系的結構向量自回歸（SVAR或結構VAR）模型。結構VAR模型相比于傳統(tǒng)聯(lián)立方程而言，兩者之間的關鍵差異在于后者通常采用過多的約束來識別系統(tǒng)。通常情況下，結構VAR模型避免過度簡化模型，為識別參數(shù)施加恰好足夠多的參數(shù)，使得模型可以恰好識別。即結構VAR模型嘗試加入結構性約束得到唯一的結構關系，解決模型對信息的識別問題，使得脈沖響應和方差分解具有一定的經(jīng)濟意義。此后，結構VAR模型逐漸取代了簡約式VAR模型，在時間序列的性質(zhì)研究、預測、宏觀經(jīng)濟政策分析等領域得到更加廣泛的應用。
　　然而，隨著模型中變量數(shù)的增加，VAR模型的待估參數(shù)成倍增加，只有增加樣本數(shù)才能有效估計模型參數(shù)，霍爾茨一埃金、紐伊和羅森（Holtz-Eakin、Newey and Rosen，1988）對面板數(shù)據(jù)VAR模型的探討則可以有效解決此問題。由于面板數(shù)據(jù)模型的多樣本性，而且與時間序列數(shù)據(jù)或者橫截面數(shù)據(jù)相比，面板數(shù)據(jù)在控制異質(zhì)性、降低數(shù)據(jù)多重共線性、減少數(shù)據(jù)偏倚性等諸多方面更具優(yōu)勢。因此，面板數(shù)據(jù)VAR模型的理論與應用研究受到眾多學者的關注。尤其是由米肖和范索斯特（Michaud and VanSoest，2008）、米切爾和威爾（Mitchell and Weale，2008）發(fā)展出的面板數(shù)據(jù)結構VAR模型.可以系統(tǒng)反映經(jīng)濟體系中各個內(nèi)生變量的同期和跨期關系，在經(jīng)濟變量的動態(tài)關系研究領域得到了廣泛的關注與應用。