小弟最近在看SVAR的内容，主要参考高铁梅那本书，有两个问题想请教大家~

1. SVAR识别，限制条件个数：
       按照我现在的理解，如果对VAR及其对应变量的SVAR都采用极大似然估计，那么：

VAR要估计的参数个数为： （k为变量个数，p为阶数，下同）

SVAR要估计的参数个数为： （设当期自身变量参数为1，同时其扰动项向量的协方差矩阵为对角阵）

所以，从VAR到SVAR，需要施加的限制为 个

同时，在高铁梅的书上，提到SVAR的AB型设定，其形式为：

换言之，在VAR模型 的基础上，要多估计A、B两个矩阵，共 2*k^2 个参数；另外，对第二式两边取平方的期望，得到 ( 是VAR扰动项的协方差矩阵），相当于加入了 个限制，还需要 个限制。

       两种形式下，得到的“恰好识别”所需要的限制条件个数不同（相差k^2个）

       我认为一个原因是，在第一种叙述中，已经限定了SVAR的扰动项的协方差矩阵式为单位阵，第二种叙述则没有限定这点；但是这样算下来还是不一致。

       那么，在上面的总结中，我有没有什么限定没计算在内，或者那些限定算重了？总之，怎样才能让这两种叙述，在模型“恰好识别”所需要的限制条件数量的计算上，保持一致？

        因为这个问题不太清楚，所以不知道怎么设A、B矩阵（比如在EViews上），来让模型“恰好识别”！

2. 关于如何设定A,B矩阵来保证E(uu')=I

       在AB型的形式下，如果不用cholesky分解，怎样设定A，B矩阵，才能保证E(uu')=I成立（希望能给一个推导的式子）？

谢谢了！