與簡化形式估計相比，結構估計是什麼？
我聽過很多關於結構估計的定義。但這對我來說似乎從未完全清楚。有時我聽說人們可能稱之為“簡化形式”的估計實際上應該稱為結構估計。對不起，我沒有一個例子來說明，但我想知道是否有人可以澄清，希望有一個論文或其他來源的連結。與簡化形式估計相比，結構估計是什麼？潛在結果框架是否算作結構方程？
結構估計是 Cowles 委員會創造的一個術語，當時似乎由 Haavelmo、Koopmans 和其他一些人主導。考爾斯委員會的座右銘（1965 年後）是：“理論與測量”。該片語代表了結建構模的基本原理，即沒有某種理論就無法進行測量。據我所知，這個片語最早是由 Koopmans 在“經濟模型建構中的辨識問題”中使用的：
結構方程組可以完全建立在經濟“理論”的基礎上。通過這個術語，我們將理解以下組合：(a) 來自一般觀察的經濟行為原則——部分是內省的，部分通過採訪或經驗——經濟決策的動機，(b) 限制法律和製度規則的知識個人行為（稅收計劃、價格控制、準備金要求等），(c) 技術知識，以及 (d) 精心建構的變數定義。
結構方程是來自潛在經濟（或物理或法律）模型的方程。結構估計是精確估計，它使用這些方程來辨識感興趣的參數，並告知反事實。重要的是，這些參數通常被認為是不變的，因此從他們的估計中提取的反事實將是完全“正確的”。反事實是考爾斯委員會感興趣的主要單位。
Koopmans 還討論了簡化形式估計：
通過一組完整的線性結構方程的簡化形式……我們指的是通過求解每個因變數（即非滯後內生）和轉換擾動（它們是擾動的線性函式）獲得的形式原始結構方程）。
線性是時代的產物（發表於 1949 年！），但關鍵是簡化形式的方程是用經濟變數編寫的方程，沒有如上定義的結構解釋。因此，線性回歸將是某些真實結構模型的簡化形式，因為線性回歸通常沒有真正的經濟解釋。這並不意味著簡化形式的方程不能用於辨識結構方程中的參數——事實上這正是間接推理的方式有效 - 只是它們不代表數據生成過程的更深層次的模型。簡化形式（原則上）可用於辨識結構參數，在這種情況下，您仍在執行結構估計，只需使用簡化形式即可。
另一種看待這一點的方式是，結構模型通常是演繹的，而簡化形式往往被用作一些更大的歸納推理的一部分。
如需將這種 Cowles 委託結建構模與 Rubin 因果建模進行比較，請查看Heckman的這組很棒的幻燈片。
對於其他資源，我會查看更多 Koopmans 所寫的內容、DeJong 和 Dave的《結構宏觀經濟學》一書、Whited 的這些講義、Wolpin的這篇論文（為 Cowles 基金會編寫，以紀念 Koopmans）和Rust的回應.
**附錄：**簡化形式和結構模型的簡單範例。
假設我們正在查看價格數據， $ p_t $ 和數量， $ q_t $ 由壟斷者生產。壟斷者在未來面臨一系列未知的成本，以及線性的需求曲線（這確實必須證明是合理的）。讓我們說 $ \hat q_t $ 和 $ \hat p_t $ 我們觀察到是用某種平均零誤差測量的， $ e_t $ ， 和 $ v_t $
注意到價格和數量似乎都與成本變化有關，該模型的簡化形式方程可能是：
$$ \begin{align} \hat q_t &= \gamma - \lambda c_t + \epsilon_t\ \hat p_t &= \alpha + \beta c_t + \nu_t \end{align} $$ 因為這是一個簡化形式的模型，除了它可能在經驗上起作用之外，它不需要任何理由。 另一方面，結構模型將從指定需求曲線開始（嚴格來說，這應該從個人效用水平開始）和壟斷者問題：
$$ \begin{align} \text{Demand curve: }&p_t=a-bq_t\ \text{Producer’s problem: }&\max E\left[\sum_{t=0}^\infty\delta^t (p_t-c_t)q_t(p_t)\right]\ \text{Measurement equations: }&\hat q_t = q_t + e_t\ &\hat p_t = p_t + v_t \end{align} $$ 由此可以推導出進一步的結構方程（結構方程，因為它們仍然代表經濟行為原則）：
$$ \begin{align} \hat q_t&=\frac{a-c_t}{2b} +e_t\ \hat p_t&=\frac{a+c_t}{2} + v_t\ \end{align} $$ 在這種情況下，簡化形式的方程將具有有意義的結構解釋，作為一致的估計 $ \hat a $ 和 $ \hat b $ 可以形成：
$$ \begin{align} \hat a&= 2\hat\alpha \ \hat b&= \frac{1}{2\hat \lambda} \end{align} $$ 從簡化形式辨識結構參數的另一種情況是在具有極值誤差的估值情況下的 logit 模型（參見McFadden (1974)）。一般來說，給定的簡化形式模型不太可能具有結構解釋。