1、打开stata，stata12.0以上的版本基本都可以完成这一操作。首先把数据导入到stata中，复制粘贴或者导入都可以。数据导入之后，就和第二张图片标注的类似。
2、在对数据进行进行结构VAR模型建模之前，如果是季度数据或阅读数据，我们需要先对数据旅邯佤践进行季节调整。然后再对数据进行单位根检验，季节调整和单位根检、如果单位根检验未通过可以对数据进行对数处理，或先对数后差分处理，都可以参考我的其他经验。因为，不是SVAR所必须的步骤，在此就不再赘述。下图为对数据的单位根检验。主要就是观察图中的P-value 如果大于0.05，就是不行，不能进行SVAR模型的建模，你就需要对数据进行处理。第一张图没有通过，第二张图通过了。如果你的数据都能够通过单位根检验即可进行SVAR模型的建模了。
3、第二步是最优滞后阶数得选择，将你放入回归中的变量填入X1-Xn，想要研究几个变量之间的关系茧盯璜阝就填入几个变量，其中，m（4）是指最多滞后几阶。varsoc X1 X2 淌捌釜集X3 ,m(4)下图是一个示例，观察下图中*最多的行，下图中*最多的一行是第4行和第1行，第一行是0，我们不选择，我们选择第4行滞后3阶。
5、然后第四步就是建模了，我们把需要研究变量填入X1-X3即可svar X1 X2 X3,lags(1/4) aeq(A) beq(B) nolog看到这个exact造婷用痃ly identified，就说明恰好识别，你的模型就识别好了，如果发现不是exactly identified，就需要在检查下前面的步骤了
7、第六步就是进行脉冲响应了irf create model1,set(a1) step(n)其中model1随便填写，a1页随便填写step（n）中的n就是选择影响的期数，一般就是10-20阶，可以自己选择，如果弹出了图片就说明操作正确，下图为示例，真实情况会出现很多类似的图。
