Change point estimation using nonparametric regression
利用非参数回归估计变点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：摘要直接研究回归均值的未知断点及其推断，对应结构变化方向，但未限定宏观应用。
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
利用非参数回归估计变点
- 研究问题
- 当回归均值函数可能在未知位置发生不连续变化时，如何估计变点位置，并对变化位置和变化幅度进行推断？
- 方法与思路
- 作者利用均值函数的单侧非参数回归估计构造变点估计量，研究其收敛速度、渐近分布以及位置和幅度的置信域。
- 材料陈述的贡献
- 摘要称变点估计以样本量倒数的速度依概率收敛，其渐近分布与已有参数回归模型中的最大似然变点估计相同。
- 阅读关注点
- 应核对单侧回归的构造、平滑与跳跃条件、收敛速度的准确表述，以及分布相同所需条件和置信域的实现方法。
- 阅读边界
- 仅据版本未注明的索引摘要，无法确定完整条件、置信域覆盖表现或对多变点的适用性；摘要未限定宏观时间序列应用。
原文摘要
We consider a regression model in which the mean function may have a discontinuity at an unknown point. We propose an estimate of the location of the discontinuity based on one-side nonparametric regression estimates of the mean function. The change point estimate is shown to converge in probability at rate $O(n^{-1})$ and to have the same asymptotic distribution as maximum likelihood estimates considered by other authors under parametric regression models. Confidence regions for the location and size of the change are also discussed.