AVERAGING ESTIMATORS FOR REGRESSIONS WITH A POSSIBLE STRUCTURAL BREAK
可能存在结构断点的回归平均估计量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：摘要核心是可能存在结构断点的回归模型选择与平均，直接对应结构变化方向。
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
可能存在结构断点的回归平均估计量
- 研究问题
- 在线性回归可能存在结构断点时，如何选择或平均有断点与无断点估计，以控制局部渐近框架中的均方误差？
- 方法与思路
- 作者构造含非标准惩罚项的 Mallows 准则，用极限情形的平均近似未知惩罚，并据此确定两类估计量的平均权重。
- 材料陈述的贡献
- 摘要称，权重可由惩罚项与 Andrews SupF 统计量之比计算；数值比较中，平均估计的渐近均方误差接近不可行最优值。
- 阅读关注点
- 应核对局部参数变化函数、惩罚项近似和权重公式，以及接近最优的数值结论覆盖哪些参数区域与比较对象。
- 阅读边界
- 仅据所给 Crossref 摘要，误差条件、惩罚表达式和数值范围均未给出，不能据此推断有限样本或所有参数下的优势。
原文摘要
This paper investigates selection and averaging of linear regressions with a possible structural break. Our main contribution is the construction of a Mallows criterion for the structural break model. We show that the correct penalty term is nonstandard and depends on unknown parameters, but it can be approximated by an average of limiting cases to yield a feasible penalty with good performance. Following Hansen (2007, Econometrica 75, 1175–1189) we recommend averaging the structural break estimates with the no-break estimates where the weight is selected to minimize the Mallows criterion. This estimator is simple to compute, as the weights are a simple function of the ratio of the penalty to the Andrews SupF test statistic. To assess performance we focus on asymptotic mean-squared error (AMSE) in a local asymptotic framework. We show that the AMSE of the estimators depends exclusively on the parameter variation function. Numerical comparisons show that the unrestricted least-squares and pretest estimators have very large AMSE for certain regions of the parameter space, whereas our averaging estimator has AMSE close to the infeasible optimum.