La complejidad de modelos de predicción ha ido en aumento, antes de la famosa crítica de Lucas, la dinámica económica de los países se predecía en grandes modelos de regresión, usando muchas variables simultáneas. Pero estos grandes modelos se caracterizaban por su rigidez, es decir sus predicciones consideraban constantes las expectativas de los agentes, simplemente la modelación no
incluía la dinámica del comportamiento del consumidor o de las empresas.

Estos macro modelos además tenían implícitos una serie de fallas estadísticas, que al corregirse generaban vacíos de información, por ejemplo: Un modelo de predicción del PBI, podía hacerse estimando el crecimiento de la inversión, del gasto de gobierno o de las exportaciones, sin embargo la relaciones entre estas variables no son de dependencia, generalmente son simultáneas, ante ello los modelistas de entonces suprimían variables o usaban variables aproximadas, por ejemplo en el siguiente modelo, se
presentan las relaciones de simultaneidad, que hacen que la modelación estadística de regresión sea errónea:
PBI : F ( C, I, G, XN )
I : F ( PBI, C, G )
En este caso, debido a la relación entre inversión y consumo, ya que una expansión del consumo puede incentivar la inversión de las empresas, la base estadística requería suprimir o cambiar esta variable en la predicción del PBI. Estos modelos podían contener enorme cantidad de variables, sin embargo una vez determinado el grado de impacto del consumo en el PBI, por ejemplo, se asumía que este impacto podía durar años o simplemente mantenerse constante, lo que supone un comportamiento constante de los agentes. Por ejemplo, un modelo podía ser especificado del siguiente modo:
PBI : a C + b I + c G + d XN + error

En este caso, el parámetro a, se mantenía constante o se suponía sin cambio para las predicciones.
La realidad sin embargo escapaba a las predicciones, los modelos de entonces no pudieron avizorar las crisis económicas, asimismo no reflejaban las dinámica de los ciclos económicos, se requería una nueva forma de aproximarnos a la realidad, esto fue propuesto por Robert Lucas, quien incorpora la expectativa de los agentes en la modelación, surgiendo los actuales modelos de predicción que se sustentan en las decisiones de los agentes.