A New Maximum Likelihood Algorithm for Piecewise Regression
分段回归的一种新极大似然算法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般分段回归，未说明时间序列断点，因此不足以归入宏观结构变化方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
分段回归的一种新极大似然算法
- 研究问题
- 对于含最大值或最小值算子的连续分段回归模型，如何在不预先知道机制切换区域的情况下进行似然估计？
- 方法与思路
- 作者提出适用于这类连续模型的分段回归方法，允许使用解析导数最大化似然，并处理多个机制与变量。
- 材料陈述的贡献
- 摘要称该方法无需已知切换区域，简化了似然估计，并具有快速收敛和适用于任意数量机制与变量的特点。
- 阅读关注点
- 核对连续性约束、切换边界处导数的处理、初始化方案，以及快速收敛指何种证据和哪些模型情形。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明收敛保证、识别条件或计算比较，不能将速度陈述视为普遍保证。
原文摘要
This paper presents a piecewise regression method for continuous models containing max or min operators, or both. This method does not require knowledge of the zone in which a shift in regimes occurs. Moreover, it allows the application of analytical derivatives to maximize the likelihood function, which greatly simplifies the estimation of the model. The method proposed exhibits fast convergence and can be used for an arbitrary number of regimes and variables.