State-domain change point detection for nonlinear time series regression
非线性时间序列回归的状态域变点检测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。
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：摘要明确研究非线性时间序列回归的变点检测，变化发生于状态域，直接对应时间序列与结构变化方法。
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…
非线性时间序列回归的状态域变点检测
- 研究问题
- 当非线性时间序列的回归关系在状态变量取值域内发生变化，而非沿日历时间变化时，如何检测并定位这些变点？
- 方法与思路
- 作者在状态域使用密度加权的反对称核函数构造非参数检验；确认存在变点后，再以算法估计变点数量及位置。
- 材料陈述的贡献
- 摘要称提供状态域变点检测与估计程序的理论结果，并用真实数据展示方法；摘要未具体列出定理内容或应用结论。
- 阅读关注点
- 应核对状态域变点的定义、时间依赖条件、核与带宽选择，以及变点数量估计和位置估计的误差控制方式。
- 阅读边界
- 仅据所给出版社摘要；状态域变点不能直接理解为时间断点，摘要未说明最小变化幅度、收敛速率或实证数据背景。
原文摘要
Change point detection in time series has attracted substantial interest, but most of the existing results have been focused on detecting change points in the time domain. This paper considers the situation where nonlinear time series have potential change points in the state domain. We apply a density-weighted anti-symmetric kernel function to the state domain and therefore propose a nonparametric procedure to test the existence of change points. When the existence of change points is affirmative, we further introduce an algorithm to estimate the number of change points together with their locations. Theoretical results of the proposed detection and estimation procedures are given and a real dataset is used to illustrate our methods.