Fitting Segmented Polynomial Regression Models Whose Join Points Have to Be Estimated
连接点需要估计的分段多项式回归模型拟合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：摘要聚焦一般分段回归的数值拟合，未明确研究时间序列结构变化或其他给定细分应用。
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
连接点需要估计的分段多项式回归模型拟合
- 研究问题
- 当分段多项式回归的连接点位置也未知时，如何连同其他参数一起进行最小二乘估计，并满足连续性与可微性要求？
- 方法与思路
- 作者利用连续性和可微性条件重参数化模型，使其可用修正Gauss–Newton法拟合，并陈述稍作推广的Hartley定理。
- 材料陈述的贡献
- 摘要称，论文通过例子展示重参数化如何处理未知连接点，并以推广定理将修正Gauss–Newton法扩展到这一拟合问题。
- 阅读关注点
- 应核对各段次数与衔接约束、连接点参数化和初值设定，以及推广定理的条件、算法收敛与最小二乘解的关系。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明，无法判断刊本变化；定理条件、收敛保证和估计推断未提供，不能认定算法必得全局最优解。
原文摘要
The study considers the problem of finding the least squares estimates for the unknown parameters of a regression model which consists of grafted polynomial submodels. The abscissae of the join points are a subset of the unknown parameters. Examples are given to illustrate how continuity and differentiability conditions on the model can be used to reparameterize the model so as to allow Modified Gauss-Newton fitting. A slightly generalized version of Hartley's theorem is stated to extend the Modified Gauss-Newton method to this problem.