想象一团混在一起的供给与需求变化：平静时难分彼此，但到了波动期，如果两者“放大”的幅度不同，数据的形状就会改变，反过来暴露各自方向。这篇教学笔记讨论的正是异方差——冲击的波动大小随时期、状态或条件改变——如何提供识别信息。识别指的是：即使数据无限多，能否唯一确定因果参数。
作者用一条线性代数引理统一了波动状态、GARCH（当前方差受过去误差和方差影响）与随机波动等情形。核心结论很干脆：只要某个结构冲击——具有经济或科学含义的原始扰动——拥有独一无二的方差路径，它就能被识别，除去正负号和名称互换；若几个冲击共享同一路径，数据只能认出这个群组，群组内部仍可任意旋转，无法逐个拆开。
笔记还提醒，常见的秩检验数到的只是线性独立的“去均值方差路径”，并不等于已识别冲击的数量。最反直觉的例子是：只有两个波动状态时，秩检验只能得到一阶，哪怕所有冲击其实都已识别。因此，判断方差能否识别因果参数，关键不是波动路径是否整体线性独立，而是有没有两个冲击共享同一路径。