momentbaserte

Momentbaserte metoder er statistiske teknikker som bruker momentene til en sannsynlighetsfordeling for å estimere ukjente parametere eller beskrive data. Et moment er i denne sammenhengen forventningen av en transformasjon av den tilfeldige variabelen, for eksempel første momentet (forventet verdi eller gjennomsnitt), andre moment (varians), og i noen tilfeller tredje og fjerde moment (skjevhet og kurtose). Den mest kjente momentbaserte tilnærmingen er metoden for øyeblikk, hvor teoretiske momenter fra en modell settes lik de empiriske momentene beregnet fra data, og parametrene løses fra det resulterende ligningssystemet.

En mer generell variant er generalisert momentmetode (GMM), som bruker et sett av momentbetingelser som ikke nødvendigvis er direkte observerbare, og estimerer parameterne ved å minimere en vektet avstand mellom de observerte og modellimplied momentene. Momentbaserte metoder krever ofte færre eller mindre strenge antagelser enn maksimal sannsynlighet (MLE) og kan være enklere å implementere når modellens sannsynlighetsfordeling er kompleks eller ikke fullt spesifisert.

Fordeler ved momentbaserte metoder inkluderer enkel implementering og lavere beregningsmessig krav i visse situasjoner, samt brukbarhet når hele sannsynlighetsmodellen ikke er tilgjengelig. Begrensninger inkluderer potensielt lavere effektivitet enn MLE, særlig i små prøver, betydelig avhengighet av at relevante momenter eksisterer og er identifiserbare, samt følsomhet for outliers og ustabile høye ordens momenter.

Se også: metoden for øyeblikk, generalisert momentmetode.