Model selection when there are multiple breaks
存在多个断点时的模型选择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：摘要明确联合处理多个位置突变和变量选择，并应用于美国实际利率序列，直接对应结构变化与时间序列。
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…
存在多个断点时的模型选择
- 研究问题
- 当解释变量的选择与多个位置突变的存在及时间均不确定时，如何在同一模型选择程序中同时处理这些不确定性？
- 方法与思路
- 作者为每个观测加入脉冲指示变量，将一般到特殊的选择方法扩展为脉冲指示变量饱和，并在厚尾与断点过程下检验。
- 材料陈述的贡献
- 摘要称，模拟展示在一百个观测中检测多达二十次位置变化并同时选择变量的能力，另以美国实际利率进行方法比较。
- 阅读关注点
- 应核对指示变量筛选流程、显著性阈值、厚尾分布与断点配置，以及变量选择误差、虚假断点和比较方法的设定。
- 阅读边界
- 仅据所给出版社摘要，模拟中的检测能力不能视为普遍保证；具体成功率与误报率未说明，不推断版本变化。
原文摘要
We consider model selection facing uncertainty over the choice of variables and the occurrence and timing of multiple location shifts. General-to-simple selection is extended by adding an impulse indicator for every observation to the set of candidate regressors: see Johansen and Nielsen (2009). We apply that approach to a fat-tailed distribution, and to processes with breaks: Monte Carlo experiments show its capability of detecting up to 20 shifts in 100 observations, while jointly selecting variables. An illustration to US real interest rates compares impulse-indicator saturation with the procedure in Bai and Perron (1998).