生成模型不是越複雜越好。研究者應先界定要解釋的現象、時間尺度、觀測資料與競爭假說，再選擇必要的隱藏狀態、政策及參數。過度簡化會遺漏重要機制，過度複雜則可能讓模型難以估計、比較或解釋。模型結構本身就是研究假設的一部分，必須接受檢驗。
思與行
- 先用最小模型回答核心問題，再逐步加入有理據的機制。
- 對每個新增變數問：它產生了什麼新的、可區辨的預測？
生成模型不是越複雜越好。研究者應先界定要解釋的現象、時間尺度、觀測資料與競爭假說，再選擇必要的隱藏狀態、政策及參數。過度簡化會遺漏重要機制，過度複雜則可能讓模型難以估計、比較或解釋。模型結構本身就是研究假設的一部分，必須接受檢驗。