线性回归模型中相依数据的多结构变点的估计

多变点线性模型经常应用于统计学和计量经济学中.本文通过分割数据并建立相依观测数据的高维线性回归模型,将变点检测问题转化为变量选择问题.在变量选择中,应用组正交贪婪算法(group orthogonal greedy algorithm,GOGA)来解决变点数量随观测数量的增加而增加的情形,并结合高维信息准则(high-dimensional information criteria,HDIC)以防止过度拟合.第一阶段采用GOGA+HDIC+Trim对分段数据进行变量选择来降低计算成本,第二阶段应用拟似然比检验来得到更精准的变点位置.在相对温和的条件下,本文证明了变点数量和位置的相合性.模拟结果和实际数据应用证明了该算法的精确性.