联立方程组模型的结构：一般的联立方程系统形式是t=1,2,,T其中：yt是内生变量向量，zt是外生变量向量，ut是一个可能存在序列相关的扰动项向量，T表示样本容量
估计的任务是寻找未知参数向量的估计量
结构式联立方程系统的矩阵表示简化式模型的矩阵形式2
联立方程组模型的识别：（1）如果一个模型中的所有随机方程都是可以识别的，则认为该联立方程模型系统是可以识别的
反过来，如果一个模型系统中存在一个不可识别的随机方程，则认为该联立方程模型系统是不可以识别的
（2）如果方程的结构式参数存在唯一的一组参数估计量，称其为恰好识别；如果某一个随机方程具有多组参数估计量，称其为过度识别（3）结构式识别条件如果r（B0，Γ0）ki-1，则第i个结构方程过度识别
（4）简化式识别条件如果r（Π2）ki-1，则第i个结构方程过度识别
联立方程组模型的估计：tttfuΔzy,,ZuY()uZY12kyyyY12gzzZz12kuuuu111212122212kkkkkk111212122212ggkkkgZY111212122212ggkkkg12kZuYZY一类方法是单方程估计方法，使用单方程法对系统中的每个方程分别进行估计
（1）普通最小二乘法假设扰动项不存在异方差也不存在同期相关时，使用最小二乘估计量是有效的
（2）加权最小二乘法假设扰动项不存在同期相关和序列相关而只是存在方程间异方差时，使用加权最小二乘估计是有效的，并且方差的估计量是一致的
（3）二阶段最小二乘法当方程右边变量与误差项相关，但扰动项之间既不存在异方差，又不存在同期相关时，S2SLS是一种比较合适的方法
（4）加权二阶段最小二乘法当方程右边部分变量与扰动项相关，并且方程间的扰动项存在异方差，但是扰动项之间不存在同期相关时，W2SLS是一种比较合适的方法
（5）似乎不相关回归估计法考虑到方程间的扰动项存在异方差和同期
