首先谢邀。但是这个问题问的好像很模糊。“大规模”是指的计算难度还是方程数目？计量结构模型也指代不明确。还有就是，什么叫“是什么样的”？这个问题问的我难以回答。
一般来说计量经济学里面的“结构模型”指的是structural form，跟reduced from相对。一般structural model在IO（产业组织理论）和trade（贸易理论）里面用的较多，但是在labor（劳动经济学）等领域用的很少。在宏观里面也有Structural VAR的识别和估计问题。
如果是按照计算难度的话，一般来说structural model多数用MLE和GMM来进行估计，涉及到非线性的最优化，所以计算难度一般较高，耗费时间非常的长。当然现在发展了很多方法解决计算的问题。
如果是按照规模（scale）的话，我听说过（没做过）美联储用的宏观模型有几百个变量，不过我没有仔细追究他们具体用的什么模型。当然可以肯定不是SVAR，不然就算解决了识别问题，计算难度也已经无法想象了。
希望提问者可以补充一下问题，我们可以针对具体问题具体讨论。
=================================
非线性最优化意味着不能简单的通过线性代数的运算得到估计值。实际上除了一般的最小二乘、线性面板、线性联立方程、SUR、VAR等模型，几乎都要牵涉到求非线性函数的极值。打个比方，求解线性问题类似于x+y=5; x-y=3的问题，但是非线性的问题类似于求解x^4+e^y=5; ln(x)+sin(y)=0这样的问题。
一般解决这类问题不会用到插值法，根据不同的问题，有不同的求最优化的方法。这里面有很多问题，首先是识别问题，也就是说，你要保证你最优化的目标函数有且仅有一个。其次是局部最优的问题，计算最优化的算法有可能会落入到局部最优，即在这个值的邻域内是极值，但是并不是全局的最大（小）值。最后才是效率的问题，一些问题的算法程序运行动辄几天，几月，很夸张的。
如果说例子的话，比如IO里面的BLP模型。最简单的BLP模型几分钟就可以出结果，复杂的计算时间无上限。。。
