มีหลายวิธีในการประมาณค่าพารามิเตอร์ของแบบจำลอง นี่เป็นส่วนสำคัญของสถิติ / เศรษฐมิติ GMM (วิธีทั่วไปของช่วงเวลา) เป็นหนึ่งในวิธีดังกล่าวและมีความแข็งแกร่ง (สถิติและตัวอักษร [สำหรับผู้ชมที่ไม่ใช่สถิติ]) มากกว่าวิธีอื่น ๆ
มันควรจะเป็นสัญชาตญาณว่ากระบวนการประมาณนั้นเกี่ยวข้องกับโมเดลของคุณที่เหมาะสมกับข้อมูลอย่างไร GMM ใช้เงื่อนไขมากกว่ารุ่นปกติในขณะที่ทำเช่นนี้
(คุณพูดถึงค่าเฉลี่ยและความแปรปรวนฉันถือว่าเป็นความคิดที่คุ้นเคย) ค่าเฉลี่ยและความแปรปรวนเป็นตัวชี้วัดพื้นฐานของข้อมูล บุคคลจำลองข้อมูลเพื่อทำความเข้าใจว่าเป็นธรรมชาติ สมบูรณ์แบบ (สมมุติฐาน) จะอธิบายข้อมูลผ่านและผ่าน
ให้เรายกตัวอย่างของแบบจำลองความสูงของทุกคนในอาคาร มีค่าเฉลี่ยสองตัวชี้วัดและความแปรปรวน ค่าเฉลี่ยคือตัวชี้วัดระดับแรกความแปรปรวนเป็นตัวชี้วัดระดับที่สอง ค่าเฉลี่ยกำลังเพิ่มความสูงทั้งหมดและหารด้วยจำนวนคน มันบอกคุณบางอย่างเช่น 11 ฟุตไร้สาระ 5 ฟุตสมเหตุสมผล
ตอนนี้พิจารณาความแปรปรวนมันจะบอกชั้นของข้อมูลเพิ่มเติม: 6 ฟุตไม่ไร้สาระ (ตามค่าเฉลี่ย) แต่ความเป็นไปได้ที่ความสูงของบุคคลจะสูงถึง 6 ฟุต ถ้าอาคารเป็นตึกมัธยมมันมีโอกาสน้อยกว่าไหม หากเป็นอาคารสำนักงานมีโอกาสมากขึ้น
นี่เป็นตัวอย่างของสิ่งที่เรียกว่าช่วงเวลาของข้อมูล (หลังจากอธิบายค่าเฉลี่ยและความแปรปรวนแล้วควรจะสบายไหม) แบบจำลองหนึ่งควรทำได้ดีหากมันสอดคล้องกับเงื่อนไขของค่าเฉลี่ยและความแปรปรวนที่สังเกตได้ นอกเหนือจากค่าเฉลี่ยและความแปรปรวนมีตัวชี้วัดอื่น ๆ อีกหลายตัว
GMM เหมาะกับโมเดลสำหรับตัวชี้วัดที่สูงขึ้นเหล่านี้ (ช่วงเวลา) วิธีที่ง่ายกว่ารองรับการวัดขนาดเล็ก ชื่อตามที่แนะนำนั้นเป็นวิธีการทั่วไป - พยายามที่จะเป็นทั่วไปที่สุด