一种快速检测线性模型中多个变点的新方法
统计方法学
2011-01-24 v1
摘要
变点问题出现在许多统计应用中。如果模型中存在变点，在不考虑变点存在的情况下进行统计分析是有害的，并且由此得出的结果可能具有误导性。关于变点检测已有丰富的文献。尽管已经提出了许多检测多个变点的方法，但使用这些方法在大样本中寻找多个变点似乎并不可行。在本文中，通过适当的数据序列分割，建立了多个变点检测与变量选择之间的联系，并提出了一种新方法，通过以下两个关键步骤来解决多个变点检测问题：(1) 应用一致变量选择方法（如SCAD、自适应LASSO和MCP）的最新进展来检测变点；(2) 采用精炼程序来提高变点估计的准确性。因此，提出了五种算法，与文献中的方法相比，这些算法可以更少的时间、更高的精度检测变点。此外，还给出了一种基于残差平方和的最优分割算法。我们的模拟研究表明，所提出的算法计算效率高，且变点估计精度有所提高。这种新方法很容易推广到其他模型（如广义线性模型和非参数模型）中的多个变点检测。
引用
@article{arxiv.1101.4185,
title = {A Novel Approach for Fast Detection of Multiple Change Points in Linear Models},
author = {Xiaoping Shi and Yuehua Wu and Baisuo Jin},
journal= {arXiv preprint arXiv:1101.4185},
year = {2011}
}
备注
37 pages, 6 figures, 3 tables