Estimation of a Structural Break Point in Linear Regression Models
线性回归模型中结构突变位置的估计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：摘要直接研究结构突变位置估计，并应用于美国和英国股票收益预测模型。
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
线性回归模型中结构突变位置的估计
- 研究问题
- 在线性回归仅发生一次且幅度较小的结构突变时，如何缓解最小二乘断点估计在样本两端聚集的双峰现象？
- 方法与思路
- 作者修改最小二乘目标函数，纳入随候选断点变化的估计不确定性，并在加密渐近框架下研究新断点估计量。
- 材料陈述的贡献
- 摘要称新估计量具有一致性，小幅突变下有限样本分布为单峰，并给出极限分布、模拟比较及美英收益预测应用。
- 阅读关注点
- 应核对目标函数修正的形式、小幅突变与加密渐近的设定，以及单峰性质、一致性条件和断点靠近边界时的表现。
- 阅读边界
- 仅据所给 OpenAlex 摘要，未核对刊本变化；突变幅度条件与比较指标未说明，模拟优势不能据此推广到多断点模型。
原文摘要
This study proposes a point estimator of the break location for a one-time structural break in linear regression models. If the break magnitude is small, the least-squares estimator of the break date has two modes at the ends of the finite sample period, regardless of the true break location. To solve this problem, I suggest an alternative estimator based on a modification of the least-squares objective function. The modified objective function incorporates estimation uncertainty that varies across potential break dates. The new break point estimator is consistent and has a unimodal finite sample distribution under small break magnitudes. A limit distribution is provided under an in-fill asymptotic framework. Monte Carlo simulation results suggest that the new estimator outperforms the least-squares estimator. I apply the method to estimate the break date in U.S. and U.K. stock return prediction models.