##  [Méthode des Moments](/fr/node/59272) 

 Définition

Une technique statistique pour estimer des paramètres de distribution ou construire des modèles approximatifs en égalant des moments empiriques (d'échantillon) aux moments théoriques fournis par une famille paramétrique ou un modèle.

 

 

 

 

 

 





## Principe

Principe

Choisir un ensemble fini de conditions sur les moments (espérances de puissances ou de fonctions) et résoudre les équations correspondantes pour les paramètres du modèle afin que les moments du modèle correspondent aux moments observés, donnant des estimateurs basés sur les moments.

 

 

 

 

 





## Démonstration

Démonstration

Estimer la moyenne μ et la variance σ^2 en égalant la moyenne d'échantillon et le second moment centré d'échantillon aux μ et σ^2 théoriques d'une distribution choisie ; dans des familles mixtes ou paramétriques utiliser des moments d'ordre supérieur pour identifier plusieurs paramètres.

 

 

 

 

## Mauvaise application

Mauvaise application

Utiliser les moments lorsque les moments requis n'existent pas (lois à queue lourde), lorsque les moments n'identifient pas de manière unique la distribution, ou lorsque les moments d'échantillon sont instables conduit à des estimateurs biaisés, inconsistants ou non uniques.

 

 

 

 

 





## Conséquence

Conséquence

Produit des estimateurs simples, souvent en forme close, peu coûteux en calcul et intuitifs ; sous régularité ils peuvent être consistants et asymptotiquement normaux mais parfois inefficients par rapport aux méthodes basées sur la vraisemblance.

 

 

 

 

## Inversion

Inversion

L'approche inverse consiste à utiliser la vraisemblance ou l'estimation bayésienne, qui optimise un ajustement global aux données plutôt que d'égaler des statistiques sommaires sélectionnées ; celles-ci peuvent surpasser les moments lorsque les hypothèses du modèle complet tiennent.

 

 

 

 

 





## Limite

Limite

Nécessite des moments finis jusqu'aux ordres utilisés et suffisamment de conditions distinctes sur les moments pour identifier les paramètres ; peu adaptée aux modèles sans détermination par moments ou aux petits échantillons où les moments sont bruités.

 

 

 

 

 





## Tension sémantique

Tension sémantique

Proche de la méthode généralisée des moments (GMM) ; la méthode des moments simple résout des équations de moments brutes, tandis que GMM ajoute pondération et traitement de la sur-identification — les deux se situent sur un spectre entre simplicité et optimalité.

 

 

 

 

 





## Synthèse

Synthèse

La méthode des moments construit des estimateurs en assortissant moments observés et moments théoriques : simple et transparente, efficace quand les moments existent et sont informatifs, mais elle doit être abandonnée ou complétée (par ex. par pondération ou vraisemblance) si les moments sont indéfinis, non identifiants ou inefficients.