Jump or kink: on super-efficiency in segmented linear regression breakpoint estimation
跳跃还是折点：分段线性回归断点估计的超效率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：摘要明确研究单断点分段回归及跳跃、折点两类结构变化，直接对应结构变化方法，未限定必须用于宏观数据。
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
跳跃还是折点：分段线性回归断点估计的超效率
- 研究问题
- 单断点分段线性回归中，断点位置估计的全局最小最大速度为何可能慢于每个固定参数点上的收敛速度？
- 方法与思路
- 作者以平均绝对误差研究全局最小最大收敛率，并构造超效率估计量，分别讨论结构变化为跳跃或折点的情形。
- 材料陈述的贡献
- 摘要称全局速率为 O(n^(-1/3))，而构造的估计量在固定跳跃或折点参数处分别达到 O(n^(-1)) 与 O(n^(-1/2))。
- 阅读关注点
- 应核对参数空间及断点邻域设定、全局风险与逐点风险的区别，以及超效率构造和所讨论补救办法的条件。
- 阅读边界
- 仅据所给 Crossref 摘要，不能确定各速率的完整条件；逐点快收敛不能保证在参数邻域内具有一致的风险优势。
原文摘要
Summary We consider the problem of segmented linear regression with a single breakpoint, with the focus on estimating the location of the breakpoint. If $n$ is the sample size, we show that the global minimax convergence rate for this problem in terms of the mean absolute error is $O(n^{-1/3})$. On the other hand, we demonstrate the construction of a super-efficient estimator that achieves the pointwise convergence rate of either $O(n^{-1})$ or $O(n^{-1/2})$ for every fixed parameter value, depending on whether the structural change is a jump or a kink. The implications of this example and a potential remedy are discussed.