Piecewise Regression
分段回归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：摘要讨论一般回归样本的分段拟合，未明确以时间为分段维度或研究宏观结构变化，故不强行分类。
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
分段回归
- 研究问题
- 当样本可能由多个回归模型生成时，如何确定拟合所需的回归系统数量及其位置，并描述分段关系？
- 方法与思路
- 作者结合层次聚类与标准回归理论，通过指定统计准则及搜索估计程序，寻找描述样本的分段连续函数。
- 材料陈述的贡献
- 摘要提出结合聚类和回归的分段拟合思路，提供计算程序、完整示例，并讨论该方法的可能扩展方向。
- 阅读关注点
- 应核对分段依据、统计准则、系统数量与位置的搜索规则，以及分段连续性的含义和计算程序的性质。
- 阅读边界
- 摘要未说明搜索最优性、参数推断或时间断点设定，不能据此认定结构变化检验成立。来源为版本未注明的 OpenAlex 索引摘要，不能推断刊本变化。
原文摘要
A difficult regression parameter estimation problem is posed when the data sample is hypothesized to have been generated by more than a single regression model. To find the best-fitting number and location of underlying regression systems, the investigator must specify both the statistical criterion and the search-estimation procedure to be used. The approach outlined in this article is essentially a wedding of hierarchical clustering and standard regression theory. As the name suggests, piecewise regression may be described as a method of finding that piecewise continuous function which best describes the data sample. Computational procedures and a fully-worked example, together with possible extensions, are provided.