Detecting Multiple Structural Breaks in Systems of Linear Regression Equations with Integrated and Stationary Regressors
含单整与平稳解释变量的线性回归方程系统多重结构突变检测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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究单整与平稳变量下的多重结构突变，并用于利率期限结构，对应结构变化及时间序列。
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
含单整与平稳解释变量的线性回归方程系统多重结构突变检测
- 研究问题
- 在线性回归方程系统同时含有单整、平稳解释变量和确定性项时，如何识别多个结构突变的数量与位置，并估计回归系数？
- 方法与思路
- 作者提出两步程序，将组 LASSO 估计与后向剔除算法结合，处理多元响应回归，并通过模拟和利率期限结构应用评估方法。
- 材料陈述的贡献
- 摘要称该程序能联合检测突变数量与位置并一致估计系数，有限样本表现可与似然方法竞争，计算效率则明显更高。
- 阅读关注点
- 应核对突变间距和幅度、混合解释变量的理论条件，以及惩罚和后向剔除规则，并检查计算效率比较的实现与规模。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未列出一致性条件或运行时间，无法判断普遍效率优势。
原文摘要
In this paper, we propose a two-step procedure based on the group LASSO estimator in combination with a backward elimination algorithm to detect multiple structural breaks in linear regressions with multivariate responses. Applying the two-step estimator, we jointly detect the number and location of structural breaks, and provide consistent estimates of the coefficients. Our framework is flexible enough to allow for a mix of integrated and stationary regressors, as well as deterministic terms. Using simulation experiments, we show that the proposed two-step estimator performs competitively against the likelihood-based approach (Qu and Perron, 2007; Li and Perron, 2017; Oka and Perron, 2018) in finite samples. However, the two-step estimator is computationally much more efficient. An economic application to the identification of structural breaks in the term structure of interest rates illustrates this methodology.