Cette méthode d'estimation est une extension de la méthode des moments. Soit un modèle exprimé en termes d'espérance mathématique (ou premier moment) d'une fonction (des variables endogènes Y, exogènes X et des paramètres inconnus ), dans lequel l'espérance mathématique est nulle pour la vraie valeur des paramètres.

où h est une fonction vectorielle de dimension H et est un vecteur des paramètres de taille k et on suppose .

Dans notre cas, par exemple, ce modèle peut être utile pour spécifier les conditions d'orthogonalité. C'est-à-dire, la covariance entre les erreurs et les variables (qui représentent un sous-ensemble de l'information disponible à la période t) est nulle:

Le principe de la méthode consiste à choisir une valeur de permettant de rendre la moyenne empirique:

la plus proche possible de zéro.

L'estimateur des moments généralisés de est la solution du problème de minimisation suivant:

où est une matrice symétrique de dimension H qui représente les covariances entre les H fonction h. Sous les hypothèses économétriques usuelles, ces estimateurs sont convergents et ont une distribution asymptotique normale.