Gegeben sei ein Satz von n Variablen, die einen n-dimensionalen Suchraum aufspannen. Die Elimination einer dieser Variablen entspricht der Projektion des n-dimensionalen Suchraums auf einen (n-1)-dimensionalen Suchraum. RA untersucht, in wie weit der ursprüngliche n-dimensionale Suchraum aus den möglichen (n-1)-dimensionalen Suchräumen wieder rekonstruiert werden kann. Wenn dies erfolgreich ist, können die zur Rekonstruktion benötigten Unterräume als äquivalenten Ersatz zum ursprünglichen Raum betrachtet und verwendet werden.
Auf diese Weise kann rekursiv eine interne Struktur ermittelt werden, die aussagt, welche Variablen für die Identifikation von Modellen des Zeitverhaltens der Untersysteme benötigt werden.
Wie FIR entspringt auch die RA Methodik den Ansätzen der allgemeinen Systemtheorie (general system theory). Leider sind die RA Algorithmen sehr rechenaufwendig. Es gibt noch viel zu tun, um suboptimale Suchverfahren zu definieren, die den Rechenaufwand bei der Rekonstruktionsanalyse in Grenzen halten.
Die RA Methodik geht davon aus, dass das Verhalten eines gegebenen Systems mittels induktivem Schliessen charakterisiert wurde. Somit sind jeder Kombination diskreter Eingangsvariablenwerte eine oder mehrere diskrete Ausgangsvariablenwerte zugeordnet. Diese Zuordnungen sind somit Abbildungen vom Raum der Eingangsvariablen, dem sogenannten Eingangsraum, auf den Raum der Ausgangsvariable, den sogenannten Ausgangsraum.
Falls die Abbildungen vom Eingangsraum auf den Ausgangsraum nicht eindeutig sind, ergibt sich für jede Abbildung zusätzlich eine Beobachtungshäufigkeitsfunktion, welche die relative Auftretenshäufigkeit eines bestimmten Pfades vom Eingangsraum zum Ausgangsraum festlegt.
RA versucht nun, diese Abbildungsfunktionen, welche das Verhalten des Systems charakterisieren, auf Unterräume des Eingangsraums zu projizieren, wobei die Pfade vom rekonstruierten Eingangsraum zum Ausgangsraum durch die Projektionen und Rekombinationen im Eingangsraum hindurch möglichst getreu inklusive der ihnen zugeordneten Häufigkeitsfunktionen beibehalten werden sollen.
Bei der scharfen Rekonstruktionsanalyse (crisp reconstruction analysis) werden die Beobachtungshäufigkeiten im Sinne der Statistik als experimentell ermittelte Wahrscheinlichkeitswerte interpretiert, und die Vererbung dieser Werte bei der Projektion und Rekombination wird nach den Gesetzen der Wahrscheinlichkeitsrechnung (probability theory) vorgenommen.
Im Jahre 1993 entwickelte und implementierte Adelinde (Lin) Uhrmacher während ihres postdoktoralen Forschungsaufenthalts an der University of Arizona eine diffuse (fuzzy) Erweiterung der RA Methodik, bei welcher die Beobachtungshäufigkeiten als Vertrauenswerte interpretiert werden, deren Vererbung bei der Projektion und Rekombination nach den Regeln der Möglichkeitsrechnung (possibility theory) berechnet wird.
Es zeigte sich später, dass die diffuse Interpretation der Rekonstruktionsanalyse wichtige Vorteile mit sich bring, da diffuse Rekonstruktionen weniger Verzerrungen aufweisen als scharfe Rekonstruktionen.