Eine statistische Technik zur Schätzung von Verteilungsparametern oder zum Aufbau approximierender Modelle, indem empirische (Stichproben-)Momente den theoretischen Momenten einer parametrischen Familie oder eines Modells gleichgesetzt werden.

Prinzip

Wähle eine endliche Sammlung von Momentbedingungen (Erwartungen von Potenzen oder Funktionen) und löse die resultierenden Gleichungen nach den Modellparametern, sodass die Momente des Modells die beobachteten Momente reproduzieren und somit momentbasierte Schätzer entstehen.

Demonstration

Schätze Mittelwert μ und Varianz σ^2, indem Stichprobenmittel und stichprobenbasierter zweiter zentraler Moment den theoretischen μ und σ^2 einer gewählten Verteilung entsprechen; in Misch- oder parametrischen Familien verwendet man höhere Momente zur Identifikation mehrerer Parameter.

Fehlanwendung

Anwendung der Momentenmethode, wenn die benötigten Momente nicht existieren (schwerer Randverteilung), wenn Momente die Verteilung nicht eindeutig bestimmen oder wenn Stichprobenmomente instabil sind, führt zu verzerrten, inkonsistenten oder nicht eindeutigen Schätzern.

Konsequenz

Ergibt einfache, oft geschlossene Schätzer, die rechnerisch günstig und intuitiv sind; unter Regularitätsbedingungen können sie konsistent und asymptotisch normal sein, aber gegenüber wahrscheinlichkeitstheoretischen Methoden ineffizient sein.

Umkehrung

Der Umkehransatz ist die Verwendung der Likelihood- oder Bayes-Schätzung, die eine globale Anpassung an die Daten optimiert statt ausgewählte Zusammenfassungsstatistiken anzupassen; diese können die Momentenmethode übertreffen, wenn die Modellannahmen vollständig gelten.

Abgrenzung

Erfordert endliche Momente bis zur verwendeten Ordnung und genügend verschiedene Momentenbedingungen zur Identifikation der Parameter; nicht geeignet für Modelle ohne Momentendeterminierbarkeit oder für kleine Stichproben mit verrauschten Momenten.

Semantische Spannung

Nahe an der generalisierten Momentenmethode (GMM); die einfache Momentenmethode löst rohe Momentengleichungen, während GMM Gewichtung und Behandlung von Überidentifikation hinzufügt — beide liegen auf einem Spektrum zwischen Einfachheit und Optimalität.

Synthese

Die Momentenmethode konstruiert Parameterschätzer durch Anpassung beobachteter an theoretische Momente: sie ist einfach und transparent, effektiv wenn Momente existieren und informativ sind, muss jedoch ergänzt oder verworfen werden, wenn Momente undefiniert, nicht identifizierend oder ineffizient sind.