Least Absolute Deviation Estimation of a Shift
线性回归中突变的最小绝对偏差估计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：摘要明确研究线性回归的部分结构变化及突变点估计。
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
线性回归中突变的最小绝对偏差估计
- 研究问题
- 在线性回归的部分结构变化框架中，最小绝对偏差估计的回归参数和突变位置具有怎样的收敛速度与渐近分布？
- 方法与思路
- 作者分别分析固定与逐渐缩小的突变幅度，纳入趋势回归变量和依赖扰动，讨论相对最小二乘的效率并进行蒙特卡洛分析。
- 材料陈述的贡献
- 摘要称推导了回归参数与突变点的收敛速度及渐近分布，覆盖部分参数不变等情形，并用模拟考察渐近近似的信息性。
- 阅读关注点
- 应核对突变大小的渐近路径、位置与扰动条件、不同参数的归一化，以及效率比较标准和模拟中的近似表现。
- 阅读边界
- 仅据所给 Crossref 摘要；分布形式、效率比较结论和模拟数值未说明，不能认定最小绝对偏差估计普遍优于最小二乘。
原文摘要
This paper develops the asymptotic theory for least absolute deviation estimation of a shift in linear regressions. Rates of convergence and asymptotic distributions for the estimated regression parameters and the estimated shift point are derived. The asymptotic theory is developed both for fixed magnitude of shift and for shift with magnitude converging to zero as the sample size increases. Asymptotic distributions are also obtained for trending regressors and for dependent disturbances. The analysis is carried out in the framework of partial structural change, allowing some parameters not to be influenced by the shift. Efficiency relative to least-squares estimation is also discussed. Monte Carlo analysis is performed to assess how informative the asymptotic distributions are.