दिमित्री के उत्तर (+1) को पूरक करने के लिए , संरचनात्मक रूप और घटा हुआ रूप आपके समीकरणों की प्रणाली के बारे में सोचने के दो तरीके हैं।
संरचनात्मक रूप वह है जो आपका आर्थिक सिद्धांत कहता है कि चर के बीच आर्थिक संबंध हैं (जैसे लिंक किए गए केनेसियन उदाहरण में खपत और आय)। हालांकि, मॉडल गुणांक के अनुमान प्राप्त करने के लिए कई हूप्स के माध्यम से कूदने की आवश्यकता होती है ताकि यह अनुमान लगाया जा सके कि ये अनुमान किसी एक अंतर्जात चर के दूसरे पर वापस आ जाने पर अंतर्जात समस्याओं के कारण पक्षपाती नहीं हैं। इसलिए संरचनात्मक रूप सहज स्पष्टीकरण के लिए अच्छा है, और जब संख्या में आते हैं तो काम करने के लिए भयानक है।
कम रूप कार्यक्षमता में संरचनात्मक रूप को पूरक करता है। जैसा कि दिमित्री ने कहा, और जैसा कि खपत उदाहरण में दिखाया गया है, घटी हुई फार्म अंतर्जात चर के लिए हल करती है (यदि संभव हो तो) - यह अमेरिकी बीजगणित II सामग्री है, मेरे ज्ञान के लिए। अंत में, प्रत्येक समीकरण में, बाएं हाथ की तरफ एक और केवल एक अंतर्जात चर दिखाई देता है, और दाहिने हाथ की तरफ केवल बहिर्जात चर और त्रुटि शब्द होते हैं। यदि संभव हो तो एक महत्वपूर्ण योग्यता है: कभी-कभी संरचनात्मक रूप के ऐसे परिवर्तन पर पहुंचना संभव नहीं होगा, और इसका मतलब है कि मॉडल की पहचान नहीं की गई है, और डेटा की कोई भी मात्रा आपके मापदंडों का अनुमान प्राप्त करने में मदद नहीं करेगी। कम किए गए फॉर्म का अनुमान आसानी से लगाया जा सकता है, क्योंकि आप कुछ पाने के लिए प्रत्येक समीकरण पर मूल के रूप में ओएलएस के रूप में कुछ चला सकते हैंअनुमान (हालांकि ये सर्वोत्तम संभव अनुमान नहीं होंगे), और वे कम फ़ॉर्म मापदंडों के लिए निष्पक्ष रहेंगे। हालांकि, संरचनात्मक रूप से वापस एक अच्छा क्रॉस-वॉक नहीं हो सकता है, जिसमें व्याख्यात्मक पैरामीटर थे। इस प्रकार कम किया गया रूप अनुमान के लिए अच्छा है, लेकिन व्याख्या के लिए भयानक है। कम किए गए फ़ॉर्म का उपयोग भविष्यवाणी के लिए भी किया जा सकता है, आवेग प्रतिक्रिया कार्यों सहित - यह वह कारण हो सकता है जो कोई व्यक्ति इन अनुमानों को देखना चाहता था।