Este documento investiga el problema de identificación de los parámetros desconocidos de los sistemas autorregresivos de errores de ecuaciones multivariadas. Primero, el modelo de identificación original se descompone en varios submodelos de identificación según el número de salidas del sistema. Luego, basándose en la característica de que el vector de información y el vector de parámetros son comunes entre los submodelos de identificación, se utiliza el concepto de identificación acoplada para proponer un algoritmo de gradiente estocástico generalizado parcialmente acoplado. Además, al expandir la innovación escalar de cada modelo de subsistema al vector de innovación, se propone un algoritmo de gradiente estocástico generalizado de multi-innovación parcialmente acoplado. Finalmente, las simulaciones numéricas indican que los algoritmos propuestos son efectivos y tienen buenas actuaciones de estimación de parámetros.