用途：把理论经济模型转化为可估计的经验内容，从数据中恢复结构参数，适用于需要评估反事实政策、恢复偏好参数或建模策略互动的场景。不适用于简约式因果推断、纯模拟设计或标准回归任务。
主要能力：涵盖结构模型设定与矩条件推导；NFXP（嵌套不动点）与 MPEC（带均衡约束的数学规划）估计；BLP 式随机系数 Logit 需求系统；动态离散选择模型（Rust、Hotz-Miller CCP）；拍卖模型（第一价格、升价、共同价值）；收敛失败调试与估计方法选择。常用包包括 scipy.optimize、cyipopt(IPOPT)、pyblp。
使用方式：按固定流程推进——经济模型→均衡/决策规则→可观测含义→矩条件→估计量→优化→推断。先以文档明确原始设定（主体、信息、时序、支付函数形式、均衡概念），再推导矩条件；恰好识别用矩方法，过度识别用最优权重矩阵 GMM。BLP 建议使用 pyblp，并诊断：价格工具变量第一阶段 F>10、10 次以上随机起点、自身价格弹性为负、所有市场收敛、边际成本为正、内层循环 atol ≤ 1e-14。动态离散选择中，小状态空间用 NFXP，大状态空间用 MPEC，无需反事实时可用 CCP。拍卖中第一价格用 GPV 非参数反演，升价拍卖对次序统计量做 MLE。
限制：结构目标函数非凸，需多起点；内层容差过松会导致虚假收敛；忽略模拟误差会偏误标准误；状态空间离散化需做敏感性测试。JAX 加速等更多细节需参见技能内参考文件。