Estimating Multiple Breaks One at a Time
逐一估计多个结构断点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：摘要直接研究多个结构断点的位置、数量和渐近分布，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
逐一估计多个结构断点
- 研究问题
- 逐个估计多个断点能否节省计算，并在低估断点数量时仍一致定位真实断点，其收敛速度和极限分布与同时估计有何关系？
- 方法与思路
- 作者研究顺序最小二乘断点估计，推导一致性、收敛速度及极限分布，并提出修正断点估计和一致估计断点数量的程序。
- 材料陈述的贡献
- 摘要称，各断点估计具有 T 一致性，所需回归次数为 T 阶；修正后可获得与同时估计相同的极限分布，并可一致估计断点数。
- 阅读关注点
- 应核对断点间距和变化幅度条件、断点位置的归一化、顺序估计的非对称极限分布，以及修正步骤和断点数量选择规则。
- 阅读边界
- 仅据所给 Crossref 摘要；具体成立条件未说明，回归次数为 T 阶不等于总运行时间为 T 阶，也不能推断其他版本的变化。
原文摘要
Sequential (one-by-one) rather than simultaneous estimation of multiple breaks is investigated in this paper. The advantage of this method lies in its computational savings and its robustness to misspecification in the number of breaks. The number of least-squares regressions required to compute all of the break points is of order T , the sample size. Each estimated break point is shown to be consistent for one of the true ones despite underspecification of the number of breaks. More interestingly and somewhat surprisingly, the estimated break points are shown to be T -consistent, the same rate as the simultaneous estimation. Limiting distributions are also derived. Unlike simultaneous estimation, the limiting distributions are generally not symmetric and are influenced by regression parameters of all regimes. A simple method is introduced to obtain break point estimators that have the same limiting distributions as those obtained via simultaneous estimation. Finally, a procedure is proposed to consistently estimate the number of breaks.