generalized method of moments

generalized method of moments
广义矩估计，即GMM（Generalized method of moments），是基于模型实际参数满足一定矩条件而形成的一种参数估计方法，是矩估计方法的一般化。

只要模型设定正确，则总能找到该模型实际参数满足的若干矩条件而采用GMM 估计。

在随机抽样中，样本统计量将依概率收敛于某个常数。

这个常数又是分布中未知参数的一个函数。

即在不知道分布的情况下，利用样本矩构造方程（包含总体的未知参数），利用这些方程求得总体的未知参数。

广义矩估计是统计学和计量经济学中常用的一种半参数估计方法，Lars Peter Hansen1982年根据Karl Pearson1894年发明的矩
估计（method of moments）发展而来。

GMM的发明是Hansen得到2013年诺贝尔经济学奖的原因之一。

GMM的产生主要使用时机是最小二乘法的严格假设条件不成立时（例：解释变数与误差项有相关性），并且不知道资料的机率分布，以致不能使用最大似然估计时，GMM方法的宽松假设使得它在计量经济学（Econometrics）中得到广泛应用。

GMM估计法具有一致性、渐近正态分布，有效率等性质。