首先，当自回归过程无相关性或中度相关性（α=0.0或α=0.4）时，检验的经验大小要么略微保守，要么接近标称大小。鉴于样本量较小，此尺寸特性令人满意。当自回归参数接近非平稳区域的边界时，例如α=0.8，正如预期的那样，存在一些自由尺寸扭曲。当断裂幅度很小时，检验往往会过度拒绝无效假设。这是因为对于非常小的休息时间，休息日期的估计值非常不精确，并且更可能受到高度依赖序列的影响，而不是休息时间大小本身，因此测试取决于真实休息日期周围以外评估的对数可能性。当断裂大小的大小增加时，测试的大小很快接近标称水平。鉴于样本量较小，这些结果令人鼓舞。为了分析功率，我们还将ui1设置为1，同时考虑平均偏移量的值{0.50，1.00，1.50}。第一个等式中的中断日期保持在k=35，而第二个等式中的中断日期取k=35、40、45、50、55。功率是休息日期之间差异的函数，k- k、 结果如图1所示，其中每个框中的水平轴表示差异k- K纵轴显示经验抑制频率。和以前一样，当断裂的幅度很小时，数据的信息量不足以拒绝常见的断裂无效假设，检验的威力也很小。然而，当变化幅度达到1时，功率会随着中断日期之间的距离增加而迅速增加。

所有α值的结果在性质上相似。另一种方法：基于直接模拟的程序涉及一个组合优化问题，计算负担随着测试的常见中断数呈指数增长。在一个节俭的系统中，这样的程序对于少量的中断可能是可行的。然而，在更一般的情况下，这可能是禁止的。因此，我们还提出了另一种解决此问题的方法，即使用启发式算法来找到近似的（如果不是最优的）解决方案。由于启发式算法主要用于优化具有显式形式的函数，我们使用随机过程的KarhunenLo\'eve（KL）表示，它将布朗运动表示为具有独立高斯

无论误差是否相关，在中度依赖（α=0.0或α=0.4）的情况下，检验的经验大小要么保守，要么接近名义大小。此外，修剪参数的影响也很小。对于不相关误差，在高度依赖性（α=0.8）和小中断大小的情况下，存在大小失真。然而，当误差相关时，在所有情况下，经验规模都会接近名义水平。这可能是由于使用aSUR估计方法的效率提高所致。表2的第（5）-（6）列报告了案例（k，k）=（35，50）的经验功效，结果显示了令人满意的功效，与直接法相比。对于我们的模拟，我们使用Matlab全局优化工具箱中的粒子群算法“particleswarm”。我们还尝试了Matlab中的遗传算法“ga”，发现这两种算法非常相似，经常是相同的临界值，而粒子群算法速度更快。5应用在本节中，我们按照Clark（2006）的要求，对膨胀系列应用常见断裂试验。他根据AR模型中自回归（AR）系数的总和，分析了许多分类通货膨胀序列的持续性，并记录了持续性非常高且接近于1，但不考虑均值漂移，而考虑均值漂移时，持续性大幅下降。虽然这些特征在理论上已在文献中得到记录（例如Perron，1990），但他发现，与各种总量指标相比，分类指标的持久性下降更为明显。重要的问题是，继Bai等人之后，Clark（2006）假设所有序列都存在共同的均值漂移。

（1998），但这一假设的有效性尚未确定。我们考虑Clark（2006）分析的系列的一个子集，即耐用品、非耐用品和服务的通货膨胀措施。这些数据取自NIPA账户，以季度频率覆盖1984-2002年期间；详见Clark（2006）。让{（y1t，y2t，y3t）}Tt=1确定耐用品、非耐用品和服务的波动序列，并考虑AR模型，该模型允许每个序列i=1，2，3的平均位移：yit=ui+δi{ki+1≤t} +α（1）iyi，t-1+···+α（pi）iyi，t-pi+uit，t=1，T、 式中，uiis为截距参数，δiis为平均偏移量，Ki为中断日期。参数α（1）i，α（pi）i是与滞后长度相关的AR系数，并且是一个误差项。每个系列的持续性由i=1,2,3时的α（1）i+···+α（pi）之和来衡量。Clark（2006）使用Akaike信息标准（AIC）选择AR滞后长度，使（p，p，p）=（4，5，3），并通过对每个系列和组进行断裂测试，提供了一些证据支持AR模型中的均值偏移。我们在表3中给出了我们的实证结果。我们首先复制inClark（2006）的部分结果。我们发现，在不考虑均值漂移的情况下，持久性度量值在0.855到0.921之间的范围相当高。此外，对于非耐用品和服务，持久性度量在很大程度上下降，但对于耐用品，当在中断日期1993年：Q1对截距施加公共中断时，持久性度量下降幅度不大，这在Clark（2006）中未进行估计。继Bai等人（1998）之后，当我们使用具有未知公共中断日期的看似不相关回归（SUR）方法时，点估计值类似，预计中断日期估计为1992年：Q1。我们现在使用我们的测试来评估常见断裂规范的有效性。

在表3中，我们报告了几个无效假设的检验统计量值，以及通过第4节所述的计算效率算法获得的5%显著水平的临界值（3000次重复）。首先，我们考虑三个波动序列中常见断裂的零假设，即H：k=k=k。测试统计量的值为9.015，临界值为5.242，因此测试在5%显著性水平上拒绝了常见断裂的零假设。接下来，我们分别在三个洪水系列的完整系统中测试两个洪水系列的常见断裂。也就是说，我们分别计算了H:k=k、H:k=k和H:k=k的检验统计量。检验统计量的值分别为9.735和7.684，H:k=k和H:k=k的相应临界值分别为3.473和3.259，因此这两个假设在5%的显著性水平上被拒绝。另一方面，H的统计量值：k=kis0.749，临界值为2.501。因此，我们不能拒绝非耐久性产品和服务系列中常见中断的无效假设。然后，我们估计一个系统，其中三个膨胀系列仅在非耐久性和服务系列中施加一个公共中断（即k=k），估计为1992年：Q1，考虑到所有系列中未知的公共中断日期，这是相同的（参数估计也大致相似）。耐用品系列的情况截然不同。在这种情况下，预计中断日期为1995年：Q1。有趣的是，对于这个中断日期，持久性的降低非常重要，估计值为0.324，而假设三个系列中有一个共同的中断日期，则估计值为0.805。因此，考虑到耐用品和其他系列的不同突破日期，我们记录了所有三个系列的持久性指标大幅下降。

此外，我们还报告了耐用品预计休息日期的95%置信区间：[1994年：第2季度，1995年：第4季度]，以及其他物品的[1991年：第3季度，1992年：第3季度]。这些非重叠区间与我们的结果一致。6结论本文提供了一个测试方程之间或方程内常见断裂的程序。我们的框架非常通用，允许使用综合回归和趋势以及平稳回归。所考虑的测试是假设正态误差的准似然比测试，尽管通常测试的极限分布对于非正态误差仍然有效。出于独立的兴趣，我们在搜索整体可能分区时提供了关于收敛速度的结果，这些分区仅受以下要求的约束，即每个区域至少包含作为样本大小的正分数的多个观测值，允许中断日期不被方程中样本大小的正分数分隔。我们提出了两种获得临界值的方法。仿真结果表明，该测试具有良好的有限样本特性。我们还提供了一个应用程序，用于解决与水平变化和持续性相关的问题，以说明其有用性。参考Andrews，D.W.K.，1991年。异方差和自相关一致协方差矩阵估计。计量经济学59（3），817–58。安德鲁斯，D.W.K.，1993年。未知变化点的参数不稳定性和结构变化测试。计量经济学61（4），821–56。Aue，A.，Lee，T.C.M.，2011年。基于信息论准则的图像分割。安。统计学家。39 (6), 2912–2935.Bai，J.，1994年。线性过程中位移的最小二乘估计。《时间序列分析杂志》15（5），453–472。Bai，J.，1995年。偏移的最小绝对偏差估计。计量经济学理论11（03），403–436。Bai，J.，1997年。多元回归模型中变化点的估计。

《经济与统计评论》79（4），551–563。Bai，J.，1998年。绝对偏差最小的多元回归估计。《统计规划与推理杂志》74（1），103–134。Bai，J.，2000年。回归系数和方差协方差矩阵中具有结构变化的向量自回归模型。《经济与金融年鉴》1（2），303–339。Bai，J.，2010年。面板数据的平均值和方差的常见中断。《计量经济学杂志》157（1），78–92。Bai，J.，Lumsdaine，R.L.，Stock，J.H.，1998年。多元时间序列中常见断点的测试和测定。经济研究回顾65（3），395–432。Bai，J.，Perron，P.，1998年。估计和测试具有多重结构变化的线性模型。计量经济学66（1），47–78。Bai，J.，Perron，P.，2003年。计算和分析多个结构变化模型。《应用计量经济学杂志》18（1），1-22。Baltagi，B.H.，Feng，Q.，Kao，C.，2016年。具有结构断裂的非均质面板的估计。《计量经济学杂志》191（1），176–195。Bosq，D.，2012年。函数空间中的线性过程：理论与应用。第149卷。施普林格科学与商业媒体。Breitung，J.，Eickmeier，S.，2011年。测试动态因子模型中的结构断裂。《计量经济学杂志》163（1），71–84。Cavaliere，G.，Taylor，A.R.，2007年。具有非平稳波动率的时间序列模型的单位根检验。《计量经济学杂志》140（2），919–947。Cheng，X.，Liao，Z.，Schorfeide，F.，2016年。具有结构不稳定性的高维因子模型的收缩估计。《经济研究评论》83（4），1511–1543。Clark，T.E.，2006年。分解消费者价格持续波动的证据。《应用计量经济学杂志》21（5），563–587。Corradi，V.，1999年。通过基于FLIL的边界确定I（0）和I（1）。计量经济学理论15（05），643–663。Corradi，V.，Swanson，N.R.，2014年。

因子增强预测模型的结构稳定性测试。《计量经济学杂志》182（1），100–118。C¨org¨o，M.，Horv'ath，L.，1997年。变点分析中的极限定理。John Wiley&Sons股份有限公司Davidson，J.，1994年。随机极限理论：计量经济学导论。牛津大学出版社，英国。Davis，L.（编辑），1991年。遗传算法手册。Van Nostrand Reinhold。Deng，A.，Perron，P.，2008年。关于结构变化的cusum和cusum of squares检验的幂性质的非局部视角。《计量经济学杂志》142（1），212–240。Dragomir，S.S.，2016年。通过带整数余数的泰勒展开得到两个正数的对数不等式。RGMIA研究报告集19，139。杜宾，J.，1970年。基于二元样本分布函数的某些统计量的渐近分布。摘自：Puri，M.L.（编辑），《统计参考中的非参数技术》。伦敦：剑桥大学出版社，第435-449页。Eberhart，R.，Kennedy，J.，1995年。使用粒子群理论的新优化器。摘自：《微型机械与人体科学》，1995年。MHS\'95。，第六届国际研讨会论文集。IEEE，第39–43页。埃伯林，E.，1986年。依赖假设下的强不变性原理。《概率年鉴》14（1），260–270。Eo，Y.，Morley，J.，2015年。基于似然比的结构突变时间置信集。数量经济学6（2），463–497。H\'ajek，J.，R\'enyi，A.，1955年。Kolmogorov不等式的推广。数学学报6（3-4），281-283。Hall，A.R.，Han，S.，Boldea，O.，2012年。关于内生回归线性模型中多重结构变化的推断。《计量经济学杂志》170（2），281–302。霍尔，A.R.，森，A.，1999年。用广义矩法估计模型的结构稳定性试验。

《商业与经济统计杂志》17（3），335–48。Han，X.，井上，A.，2015年。动态因子模型中的参数不稳定性测试。计量经济学理论31（05），1117–1152。Hansen，B.E.，1992年。I（1）过程回归中的参数不稳定性检验。《商业与经济统计杂志》10（3），321–35。Hatanaka，M.，Yamada，H.，2003年。共同趋势分析。斯普林格。Hendry，D.F.，Mizon，G.E.，1998年。英国一个小型货币计量经济模型的经济政策分析中的外生性、因果关系和共破性。经验经济学23（3），267–294。Ibragimov，I.A.，1962年。平稳过程的一些极限定理。概率论及其应用7（4），349–382。Kejriwal，M.，Perron，P.，2008年。具有多重结构变化的协整回归模型中估计的极限分布。《计量经济学杂志》146（1），59–73。金博士，2011年。估计具有横截面相关性的大型面板中常见的确定性时间趋势中断。《计量经济学杂志》164（2），310–330。Kim，D.、Oka，T.、Estrada，F.、Perron，P.，2017年。波士顿大学经济系手稿，关于具有连接分段趋势的多元系统中常见断裂的推断，并应用于全球和半球温度。Kim，D.，Perron，P.，2009年。使用基于近似Bahadur斜率的框架评估结构断裂试验的相对威力。《计量经济学杂志》149（1），26–51。Krivyakov，E.，Martynov，G.，Tyurin，Y.N.，1978年。多维情况下ω统计量的分布。概率论及其应用22（2），406–410。Kurozumi，E.，Tuvaandroj，P.，2011年。具有多重结构变化的多元模型中的模型选择准则。《计量经济学杂志》164（2），218–238。Lee，T.C.M.，2000年。

一种基于最小描述长度的图像分割方法，及其与基于交叉验证的分割方法的比较。《美国统计协会杂志》95（449），259–270。Oka，T.，Qu，Z.，2011年。估计回归分位数的结构变化。《经济计量学杂志》162（2），248–267。Perron，P.，1990年。在均值变化的时间序列中测试单位根。商业和经济统计杂志8（2），153–62。Perron，P.，2006年。处理结构断裂。摘自：Patterson，K.，Mills，T.（编辑），《PalgraveHandbook of Econometrics》，第1卷：计量经济学理论。Palgrave Macmillan，第278-352页。Perron，P.，Yamamoto，Y.，2014年。关于通过2SLS估计和检验内生回归模型中多重结构变化的注记。计量经济学理论30（02），491–507。Perron，P.，Yamamoto，Y.，2015年。使用OLS估计和测试具有内生回归的模型中的结构变化。《应用计量经济学杂志》30（1），119–144。Perron，P.，Yamamoto，Y.，2016年。结构变化测试的最佳性标准的有用性或缺乏性。计量经济学评论35（5），782–844。钱，J.，苏，L.，2016年。通过自适应组融合套索估计面板数据模型中常见断裂的收缩率。《计量经济学杂志》191（1），86–109。曲，Z.，2008年。回归分位数的结构变化测试。《计量经济学杂志》146（1），170–184。Qu，Z.，Perron，P.，2007年。估计和检验多元回归中的结构变化。《计量经济学》75（2），459–502。Saikkonen，P.，1991年。协整回归的渐近有效估计。计量经济学理论7，1–21。Stock，J.H.，Watson，M.W.，1993年。高阶集成系统中协整向量的简单估计。计量经济学61783–820。Su，L.，Xiao，Z.，2008年。分位数回归模型的参数稳定性检验。

统计与概率字母78（16），2768–2775。山本，Y.，田中，S.，2015年。常见断裂条件下的因子载荷结构变化测试。《计量经济学杂志》189（1），187–206。附录在整个附录中，我们使用C，C，C。表示一般正常数，无需进一步澄清。此外，我们使用diag（·）来表示生成平方对角矩阵的运算符，其对角线条目等于其输入。证明中的关键要素是强近似定理（SAT）、泛函中心极限定理（FCLT）和广义Hajek-Renyi不等式。我们首先陈述两个技术引理。引理A.1。设{t}t∈Zbe满足假设A2和A7的零均值、Rd值随机向量序列。定义Sk（`）=P`+kt=`+1t，然后，（a）（SAT）k的协方差矩阵-1/2秒（`），Ohmk、 收敛，极限表示为Ohm, 存在布朗运动（W（t））t≥0具有协方差矩阵Ohm 使Pti=1i-W（t）=Oa。s（t1/2-κ） 对于某些κ>0；（b） （FCLT）T-1/2P[T r]T=1T=> Ohm1/2瓦*（r） ，其中W*（r） 是独立维纳过程的Rd值向量，并且“=>” 表示Skorohod拓扑下的弱收敛。上述引理在Qu和Perron（2007）的引理A.1中得到了证明，他们使用了Eberlein（1986）中的定理2以及Corradi（1999）的论点。下面的引理是Hajek-Renyi不等式的推广。引理A.2。假设假设A1、A2和A5成立。设{bk}k∈Nbe一个正的非递增常数序列，并让{ξtT}表示{XtT∑-1t，Kut}或{ηtηt-在}。然后，对于任何B>0和任何k，k∈ N，k<k，Pr高级大床房≤k≤kkbk公司kXt=1ξtT> B≤CB公司kbk+kXk=k+1（kbk）.证据

如果我们证明{XtT∑，则证明该断言-1t，Kut}和{ηtηt-In}满足Bai和Perron（1998）引理A6中的Lmixingale条件，这表明了L-混合序列的HajeK-renyi不等式。我们只考虑{XtT∑-1t，Kut}因为{ηtηt- In}类似，实际上更简单。我们使用符号Et（·）：=E（·| Ft）fort∈ Z、 我们可以写XtT∑-1t，Kut=S（IqΣ-1t，K（∑t，K）1/2）（xtTηt），其中kS（IqΣ-1t，K（∑t，K）1/2）K≤C根据假设A5和术语（xtTηt）是Ft可测量的。因此，必须证明存在非负常数{ψj}j≥0这样，对于所有≥ 1和j≥ 0,Et公司-jxtT公司 ηt- ExtT公司 ηt≤ Cψj，（A.1）以及ψj→ 0作为j→ ∞ andP公司∞j=1j1+θψj<∞ 对于某些θ>0。为了显示（A.1），我们编写了xtT ηt=zt公司 ηt，Д（t/t） ηt，t-1/2重量 ηt观察E[zt ηt]=0和E[ηt]=0。根据Minkowski的不等式Et公司-j（xtT ηt）-E（xtT ηt）≤Et公司-j（zt ηt）+^1（吨/吨）Et公司-j（ηt）+T-1/2Et公司-j（重量 ηt）-E（重量 ηt）=: Bai和Perron（1998）的A+A+A引理A6得到了一个具有上确界takenover的Hajek-Renyi不等式[k，∞] 而不是像在这个引理的评估中那个样，上确界占据了一个有限的范围【k，k】。然而，他们的论点可以很容易地扩展到这里所考虑的情况。A-1对于A和A，应用Ibragimov（1962）的混合不等式得出≤ 2(√2 + 1)α1/2-1/φjkzt ηtkφ和A≤ 2(√2 + 1)α1/2-1/φjkηtkφ，（A.2），其中φ：=4+δ，δ在假设A2中定义。对于A项，我们分别考虑两种情况：（i）t<j和（ii）t≥ j、 给定t≥ 1、首先，我们考虑案例（i），即t-j<0。

Wehave wt=w+Pt-1l=0uw，t-l、 Minkowski的不平等意味着√T A公司≤Et公司-j（w ηt）-E（w ηt）+t型-1Xl=0Et公司-juw，t-l ηt- Euw，t-l ηt.自kEt以来-j（V）- E（V）k≤ 基特岛-j（V）k对于随机向量V，应用Jensen\'sinequality和Davidson（1994）的推论14.3（α-混合序列的协方差不等式）得出Et公司-j（w ηt）-E（w ηt）≤w ηt≤ Cα1/2-1/φt，（A.3）和0≤ l≤ t型-1.Et公司-juw，t-l ηt- Euw，t-l ηt≤uw，t-l ηt≤ Cα1/2-1/φl.（A.4）同样，利用Ibragimov（1962）的混合不等式，我们可以证明Et公司-j（w ηt）-E（w ηt）≤ 2(√2 + 1)α1/2-1/φj-t型w ηtφ、 （A.5）和0≤ l≤ t型-1.Et公司-juw，t-l ηt- Euw，t-l ηt≤ 2(√2 + 1)α1/2-1/φj-luw，t-l ηtφ、 （A.6）（A.5）和（A.6）右侧的力矩均以假设A2为界。从（A.3）-（A.6）可以看出，当t<j时，我们有≤ 计算机断层扫描-1/2tXl=0分钟{α1/2-1/φl，α1/2-1/φj-l}≤ Cj1/2α1/2-1/φ[j/2]，（A.7），其中最后一个不等式是由于min{α1/2-1/φl，α1/2-1/φj-l}≤ α1/2-每0个1/φ[j/2]≤ l≤ t和那个t-1/2吨≤ t1/2≤ j1/2对于t<j。接下来，我们考虑情况（ii），即0≤ t型- j、 因为wt=wt-j+Pj-1l=0uw，t-l、 Minkowski的品质导致√T A公司≤wt公司-j Et公司-j（ηt）+j-1Xl=0Et公司-juw，t-l ηt- Euw，t-l ηt. （A.8）利用Cauchy-Schwarz和Ibragimov的混合不等式，我们可以证明wt公司-j Et公司-j（ηt）≤wt公司-jEt公司-j（ηt）≤wt公司-jCα1/2-1/φj.（A.9）此外，我们可以写kwt-jk=Pt-js=1E【uwsuws】+2Pt-j-1k=1Pt-j-ks=1E[uwsuw，s+k]，这与戴维森（1994）的推论14.3最为相似-1kwt-jk公司≤ Ct型-jT+t-j-1Xk=1t-j- kTα1/2-1/φk≤ C、 对于A，我们使用事实k^1（t/t）ηtk=E[（Д（t/t）ηt）（Д（t/t）ηt）]=Д（t/t）Д（t/t）E[ηtηt]，这表示kД（t/t） ηtk≤ Ckηtk。A-2同样，应用案例（i）中使用的相同参数，我们可以显示j-1Xl=0Et公司-j（uw，t-l ηt）-E（uw，t-l ηt）≤ Cj公司-1Xl=0min{α1/2-1/φl，α1/2-1/φj-l} 。

（A.10）结合（A.9）-（A.10）中的结果，我们得出≤ Cα1/2-1/φj+T-1/2jα1/2-1/φ【j/2】≤ Cj1/2α1/2-1/φ【j/2】。因此，从上述方程和（A.7）中，我们得到≤ Cj1/2α1/2-1/φ【j/2】用于每个≥ 1、该结果与（A.2）和（A.8）一起得出Et公司-j（xtT ηt）-E（xtT ηt）≤ Cj1/2α1/2-1/φ【j/2】。我们设置ψj=j1/2α1/2-1/φ[j/2]，它仍然显示P∞j=1j1+θψj<∞ 对于某些θ>0。观察α1/2-1/φ[j/2]=O（j-1.-2Δδ）在假设A2下。因此，对于θ<（1- 2δ）/δ，我们可以证明p∞j=1j1+θψj≤ 人物配对关系∞j=1j-1.-1.-2δδ+θ< ∞. 这就完成了证明。在下面的内容中，我们将使用子区间{[τl]的集合-1+1，τl]}Nl=1，τ=0，τN=T作为间隔的一个分区，根据中断日期K和K的集合，使得真实基本参数及其估计在每个子间隔内都是常数，并且N被设置为此类子间隔的最小数目；也就是说，（βt，K，βt，K，∑t，K，∑t，K）=（βτl，K，βτl，K，∑τl，K）对于τl-1+ 1 ≤ t型≤ τl.对于每个参数组g∈ {1，…，G}，我们类似地考虑一个集合{[τG，l-1+1，τgl]}Ngl=1，τ=0，τNg=T作为给定Kg和Kg区间[1，T]的划分，其中GTH组的真实基本参数及其估计值在每个子区间内都是常数，ngi是此类区间的最小数目。因此，对于τg，l，我们有（βg，t，K，βg，t，K）=（βg，τgl，K，βg，τgl，K）-1+ 1 ≤ t型≤ τG，l的τ压盖（∑t，K，∑t，K）=（τG，l，K，∑τG，l，K）-1+ 1 ≤ t型≤ τG，l，而其他基团的基本参数可能会改变。对于τG，l-1+ 1 ≤ t型≤ τG，l带l∈ {1，…，Ng}，我们定义ψl：=（σt，K）-1/2（∑t，K- ∑t，K）（∑t，K）-1/2，（A.11），其中In+ψl=（τG，l，K）-1/2∑τG，l，K（∑τG，l，K）-1/2. 由于ψ是一个n×n对称矩阵，因此存在一个正交矩阵U，使得UψU=diag{λψl1，…，λψln}和U（In+ψ）U=diag{1+λψl1，…，1+λψln}，其中λψl1。

，λψln是ψl的特征值。在下面的引理中，我们将获得基于子区间的归一化对数似然度的上界。作为简写符号，我们定义为1≤ t型≤ T和1≤ g级≤ Gβt，K：=βt，K- βt，Kandβg，t，K：=βg，t，K- βg，t，K引理A.3。假设假设A1-A5成立。那么，`T（K，θ）≤ CGXg=1NgXl=1‘’g，l（K，θ）+NGXl=1‘’g+1，l（K，θ）+T（K，θ）,A-3其中，对于g=1，G和l=1，Ng，\'\'g，l（K，θ）：=τglXt=τg，l-1+1XtT∑-1t，Kut- （τgl- τg，l-1)βg，τgl，Kβg，τgl，K,\'\'G+1，l（K，θ）：=nXi=1τGlXt=τG，l-1+1（ηtηt- 英寸）- （τGl- τG，l-1） |λψil||λψil |，T（K，θ）：=最大值1≤t型≤Tk公司βt，Kk。证据我们可以写日志f（yt | XtT，θt，K）=-(1/2)log（2π）n+log |∑t，K |+K∑-1/2t，K（ut-XtT公司βt，K）K,这意味着\'T（K，θ）=-TXt=1日志∑t，K- 日志∑t，K+Σ-1/2吨，Kut-（σt，K）-1/2 UT+TXt=1βt，KXtT∑-1t，库特-TXt=1Σ-1/2吨，KXtTβt，K=: A+A+A。对于术语A，我们写日志∑t，K- 日志∑t，K= 日志（σt，K）-1/2∑t，K（∑t，K）-1/2andalso ut=（∑t，K）1/2ηt。由于A仅依赖于KG和KG，因此A=NGXl=1-τGlXt=τG，l-1+1日志In+ψl+ tr公司（英寸+ψl）-1ηtηt- tr公司ηtηt=:NGXl=1A1，l。对于每l=1，NG，我们有日志In+ψl=Pni=1log（1+λψli）和thattr（英寸+ψl）-1ηtηt= tr公司诊断1+λψlini=1UηtηtU,这导致1，l=-τGl- τG，l-1nXi=1log（1+λψli）+tr诊断λψli1+λψlini=1UτGlXt=τG，l-1+1ηtηtU.我们可以证明-对数（1+a）+a/（1+a）≤ -a/（1+a）表示0<a<∞ （例如，见Dragomir，2016）。因此，A1，l≤ -τGl- τG，l-1nXi=1 |λψi | 1+λψli+tr诊断λψli1+λψlini=1UτGlXt=τG，l-1+1（ηtηt- 英寸）U.由于U的对角线元素的最大值PτGlt=τG，l-1+1（ηtηt-英寸）U从上方以kU为界PτGlt=τG，l-1+1（ηtηt- 英寸）英国，kUk=1，我们有A1，l≤nXi=1- （τGl- τG，l-1） |λψli | 1+λψli+|λψli | 1+λψliτGlXt=τG，l-1+1（ηtηt- 英寸）.

（A.12）根据Θ和（A.11）的紧性，我们得到了max1≤我≤n（1+λψli）=kIn+ψlk≤ Cand1+min1≤我≤nλψli=mina∈Rna（In+ψl）aaa≥minb公司∈Rnb∑τGl，Kbbb×米纳∈Rna（∑τGl，K）-1aaa≥ C、 A-4我们有那个C≤ 1+λψli≤ C对于所有i=1，n、 这与（A.12）yieldsA1，l≤ CnXi=1- （τGl- τG，l-1） |λψli |+|λψli|τGlXt=τG，l-1+1（ηtηt- 英寸）.因此≤ CPNGl=1‘‘G+1，l（K，θ）。我们现在考虑A和A。注意βt，K=PGg=1βg，t，K，andA=GXg=1TXt=1βg，t，KXtT∑-1t，Kut。（A.13）同样，给定XtT∑-1t，KXtT=S（xtxtt Σ-1τl，K）S表示τl-1+ 1 ≤ t型≤ τl，我们可以表示a=NXl=1-τlXt=τl-1+1xtxtt Σ-1τl，K1/2秒βτl，K=:NXl=1A3，l。在假设A1下，存在一个有限整数k，其最小特征值为（τl- τl-1)-1Pτlt=τl-1+1xtxttis对每个（τl）严格正- τl-1) ≥ k还应根据假设A5确定∑τl，k的初始值，以Θ为单位。因此，应用min1≤我≤nλi（A）kbk≤ 巴布≤ 最大值1≤我≤nλi（A）kbk对于特征值{λi（A）}ni=1的n×1向量b和n×n对称矩阵A，当τl- τl-1.≥ k、 A3，l≤ -C（τl- τl-1） 堪萨斯州βτl，Kk≤ -C（τl- τl-1） k级βτl，Kk，（A.14），其中最后一个不等式是由于SS是正定义的事实。当τl-τl-1<k，我们有（τl- τl-1） k级βτl，Kk≤ Ck公司βτl，Kk，其中yieldsA3，l≤ 0≤ -C（τl- τl-1） k级βτl，Kk+Ckβτl，Kk。（A.15）从（A.14）和（A.15）可以看出≤ -CPNl=1（τl-τl-1)βτl，K-βτl，K+CT（K，θ）。此外，我们可以证明pnl=1（τl- τl-1)βτl，K=PTt=1βt，K还有那个βt，K=PGg=1βg，t，K因为(βg，t，K）βg，t，K=0，对于所有g，g∈{1，…，G}，其中g6=G。因此，A≤ -CGXg=1TXt=1βg，t，K+ CT（K，θ）。（A.16）对于每个g=1，G、 我们有划分{[τG，l-区间[1，T]的1+1，τgl]}。从，（A.13）和（A.16），A+A≤ C{PGg=1PNgl=1‘\'g，l（K，θ）+T（K，θ）}。因此，结果如下。

基于无结构变化的子样本，我们将建立项{'` g，l（K，θ）}g+1g=1的若干性质。为此，我们考虑了满足引理a.2中Hajek-Renyi不等式成立条件的一些随机向量矩阵的序列{ξt}Tt=1。设γ是一个参数向量或矩阵，作为有界参数空间的元素Γ：={γ：kγk≤ C} 。我们根据无γ结构变化的k观测子样本确定一个物体，即k=1，T，`（0）k（γ）：=kXt=1ξt- kkγkkγk。选择矩阵S的维数为nq×p，具有全列秩，因此对于所有v∈ RPV 6=0。因此，对于所有v，vSSv 6=0∈ Rp，v 6=0，SS正定义。这意味着存在一个常数c>0，使得kSbk≥ 任何b的ckbk∈ Rp.A-5我们现在建立了一系列与似然函数相关的性质，这将使我们能够证明估计的收敛速度。在此处采用的一般性水平下，可以应用Bai et al.（1998）中使用的参数，通过一些修改来证明似然函数的性质。然而，由于这些性质是证明定理的关键因素，我们提供了完整的证明。属性1。sup1≤k≤Tsupγ∈Γ`（0）k（γ）≤ |Op公司日志T|.证据设D>0，定义Γ1，k（D）：={γ∈ G:√kkγk≤ 1的D（对数T）1/2}≤ k≤ T我们可以写`（0）k（γ）=k-1/2kPkt=1ξtk-√kkγk√kkγk每1≤ k≤ T接下来，对于任何1≤ k≤ T，supγ∈Γ\\Γ1，k（D）`（0）k（γ）≤ supγ∈Γ\\Γ1，k（D）√kkXt=1ξt- D（对数T）1/2√kkγk和supγ∈Γ1，k（D）`（0）k（γ）≤√kkXt=1ξtD（对数T）1/2。引理A.2意味着，对于任何B>0，Prsup1≤k≤T√k对数TkXt=1ξt≥ B≤CBlog TTXk=1k。对于足够大的bbecauseptk=1k，上述不等式的右侧变得任意小-1=O（对数T）。

因此，sup1≤k≤Tk公司-1/2kPkt=1ξtk- D（对数T）1/2<0，对于足够大的D，概率接近1，因此SUP1≤k≤Tsupγ∈Γ\\Γ1，k（D）`（0）k（γ）≤ -CDlog T和sup1≤k≤Tsupγ∈Γ1，k（D）`（0）k（γ）≤ CD log T，概率接近1。因此，预期的结论如下。财产2。对于任何D>0，存在一个常数a>0，因此对于任何确定性序列mT≥ 影音-2T，supmT≤k≤Tsupγ：kγk≥DvT`（0）kγ≤ -Op公司（DvT）mT.证据固定D>0。我们有，每1≤ k≤ T，supγ：kγk≥DvTk`（0）k（γ）≤ supγ：kγk≥DvT公司kkXt=1ξt- DvT公司kγk引理A.2得出，对于任何A>0和 > 0，PrsupAv公司-2吨≤k≤TkvT公司kXt=1ξtT> ≤CA+vTTXk=Av-2Tk. （A.17）因为Eptk=Av-2Tk-2=O（Av-2吨）-1., 我们可以证明（A.17）的右侧在A>0的情况下变得任意小。自从 可以任意小，存在这样一个thatsupAv-2吨≤k≤Tsupγ：kγk≥DvTk`（0）kγ≤ -C（DvT）。A-6，概率接近1。结果如下，因为-m级-1吨≤ -k-1K时≥ mT。财产3。设Γ（D）：={γ∈ G:√T kγk≤ D} 对于任何D>0。那么，对于任何δ∈ （0，1），（a）存在一个D>0，使得supδT≤k≤Tsupγ∈Γ\\Γ（D）`（0）k（γ）≤ -|Op（D）|，（b）对于任何D>0，supδT≤k≤Tsupγ∈Γ（D）`（0）k（γ）=Op（D）。证据Letδ∈ （0，1）固定。那么，对于每个δT≤ k≤ 对于任何D>0，supγ∈Γ\\Γ（D）`（0）k（γ）≤ supγ∈Γ\\Γ（D）√TkXt=1ξt- δD√T kγk，（A.18）和SUPγ∈Γ（D）|`（0）k（γ）|≤√TkXt=1ξtD、 （A.19）引理A.2表示supδT≤k≤TPkt=1ξt= Op公司(√T）。从（A.18）可以看出，对于某些D>0，supδT≤k≤Tsupγ∈Γ\\Γ（D）`（0）k（γ）≤ -Cd概率接近1，而从（A.19）得出≤k≤Tsupγ∈Γ（D）|`（0）k（γ）|≤ 对于任何D>0的情况，概率接近1的CD。因此，预期结果如下。财产4。对于任意常数M>0和确定性序列bT>0，我们有SUP1≤k≤M v公司-2Tsupγ：kγk≤bT`（0）kγ= Op（M1/2v-1TbT）。证据

我们有sup1≤k≤M v公司-2Tsupγ：kγk≤bT |`（0）kγ| ≤ sup1≤k≤M v公司-2TkPkt=1ξTkbt，对于任何大于0的情况。引理A.2产生sup1≤k≤M v公司-2TkPkt=1ξtk≤ Op公司（毫伏-2T）1/2. 对于τG，l-1+ 1 ≤ t型≤ τGl，我们可以表示kψlk≤ k（∑t，k）-1/2kk∑t，K- ∑t，Kk和k∑t，k- ∑t，Kk≤ k（∑t，k）1/2kkψlk，因为k（∑t，k）1/2k和k（∑t，k）-1/2k有界，kψlk=max1≤我≤n |λψil |，我们有dk∑t，K- ∑t，Kk≤ 最大值1≤我≤n |λψil |≤ dk∑t，K- ∑t，Kk，对于某些常数d，d>0。当我们限制误差的方差矩阵的空间时，将使用此关系。下一个命题给出了关于中断日期估计的结果。提案A.1。在假设A1-A5下，存在一个B>0的极限→∞公共关系^kgj- kgj公司> Bv公司-2Tlog T= 0，对于每（g，j）∈ {1，…，G}×{1，…，m}。A-7证明。对于常数B>0，定义（B）：=nK∈ Ξν：最大值1≤g级≤Gmax1≤j≤m | kgj- kgj |≤ Bv公司-2记录到。为了证明这一说法，我们将证明，对于一个足够大的B>0，limT→∞公共关系sup（K，θ）∈ν（B）×TK、 θ≥ 0= 0。（A.20）由于在最大似然估计中评估的归一化对数似然应为非负，因此期望的结论如下（A.20）。为了显示（A.20），我们检查了引理A.3中给定的中断日期集SK 6的上界∈Ξ（B）和K。首先，观察属性1提供的概率上界不一定很明确，但很一般，参数空间是有界的。因此，sup（K，θ）∈ν（B）×g，l（K，θ）≤ |OP（log T）|和sup（K，θ）∈Ξν（B）×Ξ（K，θ）≤ C、 （A.21）每1≤ g级≤ G+1和1≤ l≤ 2（m+1）。接下来，对于K 6∈Ξ（B），存在一对（g，j）∈ {1，…，G}×{1，…，m}这样一些邻域Ngj：={t∈ [1，T]：| T- kgj |≤ Bv公司-真正中断日期kgj的2Tlog T}包含gthgroup的中断日期Kg6 Ngj。

这意味着存在一个具有子区间并集的τgl=kgj1[τg，l-1+1，τgl]∪[τgl+1，τg，l+1]最小值≤j≤l+1（τgj- τg，j-1) ≥ Bv公司-2Tlog T.自Kg6起 （τg，l-1，τg，l+1），对于τg，l，GTH组估计是常数-1+ 1 ≤ t型≤ τg，l+1以及‘’g，l（K，θ）和‘’g，l+1（K，θ）都依赖于相同的GTH组估计。注意，三角不等式得出CVT≤ 最多2个βg，τg，l+1，K- βg，τgl，K,βg，τg，l+1，K- βg，τg，l+1，K,此外，当g=g时，CvT≤ 最多2个∑τG，l+1，K- ∑τGl，K,∑τG，l+1，K- ∑τG，l+1，K.这意味着‘’g，l（K，θ）或‘’g，l+1（K，θ）满足性质2中mt=Bv的条件-2Tlog T，与（A.21）一起表示，对于足够大的B，sup（K，θ）∈Ξν（B）×Ξ\'T（K，θ）≤ -|Op（B对数T）|+Op（对数T）。这就产生了（A.20），从而完成了证明。提案A.2。假设假设A1-A5成立。然后，^βgj- βgj=op（vT）和∑j- ∑j=op（vT），对于每（g，j）∈ {1，…，G}×{1，…，m+1}。证据允许 > 0固定并定义参数空间的子集：¨() :=nθ∈ Θ：最大1≤g级≤Gmax1≤j≤m+1kβgj- βgjk≤ VT和max1≤j≤m+1k∑j- ∑jk≤ vTo。命题A.1表明，中断日期估计值^K包含在Ξ（B）中，对于足够大的B，概率接近1，因此我们考虑K∈Ξ（B）。对于θ∈ Θ \\¨Θ(), 存在一对（g，j）∈ {1，…，G}×{1，…，m}使得eitherkβgj- βgjk≥ V或k∑j- ∑jk≥ vT.（A.22）A-8观察kgj- 千克，j-1.≥ νT和kgj- 千克，j-1.≥ νT，而| kgj- kgj |≤ Bv公司-2Tlog T。对于某些l∈ {1，…，Ng}，我们有τg，l-1=最大{kg，j-1，kg，j-1} τgl=满足τgl的最大{kg，j，kgj}-τg，l-1.≥ 某些δ的δT∈ （0，1）和（A.22）保持在子区间[τg，l-1+1，τgl]。因此，mT=δT的性质2意味着SUP（K，θ）∈（B）条()\'\'g，l（K，θ）≤ -|Op公司(T vT）|。对于其他子区间，属性1提供了| Op（log T）|阶的上界。

自从√T vT/日志T→ ∞ 作为T→ ∞, 我们可以显示sup（K，θ）∈（B）条()`TK、 θ≤ -|Op公司(T vT）|。这将导致理想的结果。命题A.1和A.2是建立如下定理所述估计收敛性的重要中间步骤。Bai等人（1998年）、Bai（2000年）以及Qu和Perron（2007年）采用了类似的方法，假设中断日期具有共同的位置或渐近不同。他们的方法和我们的方法之间的一个关键区别是，我们考虑到了与不同基本参数相关的中断日期可能不会渐近不同的可能性。定理1的证明。（a） 命题a.1表明^K∈Ξ（B），某些B>0的概率接近1，而^K和Kare都包含在Ξν中。因此，必须考虑τgl- τg，l-1.≥ 某些δ>0或τgl的δT- τg，l-1.≤ Bv公司-2Tlog TFFOR every（g，l）∈ {1，…，G}×{1，…，N}。Ifτgl- τg，l-1.≥ δT，则性质3表示SUP（K，θ）∈（B）×g，l（K，θ）≤ |Op（1）|。（A.23）当τgl- τg，l-1.≤ Bv公司-2Tlog T，有两种情况：Mv-2吨≤ τgl- τg，l-1.≤ Bv公司-2Tlog Tandτgl- τg，l-1.≤ 中压-2t对于某些M>0。为了具体化，让τg，l-1=kgjandτgl=^kgjin两种情况。当kgj+1时≤ t型≤^kgj，我们有（^βg，t，^K，βg，t，K）=（^βgj，βg，j+1）对于1≤ g级≤ G和（^∑t，^K，∑t，K）=（^∑j，∑j+1）表示G=G。由于KβG，j+1- βgjk=vTkδgjk和k∑j+1- ∑jk=vTkΦjk，我们可以显示k^βgj- βg，j+1k-vTkδgjk≤ k^βgj- βgjk和k^∑j- ∑j+1k-vTkΦjk≤ k^∑j- ∑jk。此外，命题A.2表明k^βgj- βgjk=op（vT）和k^∑j- ∑jk=op（vT）。因此，k^βgj- βg，j+1k=vTkδgjk+op（vT）和k∑j- ∑j+1k=vTkΦjk+op（vT）。（A.24）当Mv-2吨≤ τgl- τg，l-1.≤ Bv公司-2Tlog T，属性2与（A.24）一起表示‘\'g，l（K，θ）≤ -|Op（M）|，（A.25）对于足够大的M，而对于τgl- τg，l-1.≤ 中压-2T，带（A.24）的属性4表示“g，l（^K，^θ）=Op（M1/2）。

（A.26）自sup（K，θ）起∈Ξ（B）Ξ()（K，θ）=o（1），引理A.3与（A.23），（A.25）和（A.26）意味着SUP（K，θ）∈（B）百万()`T（K，θ）<-|Op（M）|，为了证明这一点，我们使用不等式ka- 黑色- kb- ck公司≤ 灵魂- ck公司≤ 灵魂- 黑色+kb- 对于范数为k·k的空间中的任意元素a、b和c，这是由三角不等式引起的。A-9对于足够大的M。这就完成了（A）部分的证明。（b） 根据第（a）部分，存在一个M>0，使得max1≤g级≤Gmax1≤j≤m |^kgj- kgj |≤中压-2t概率接近1。因此，有必要考虑τgl-τg，l-1.≤ 中压-2Torτgl-τg，l-1> δT对于某些δ>0。如（A.23）和（A.26）中所示，我们可以证明‘‘g，l（^K，^θ）’对于每一个（g，l）都有一个| Op（1）|阶项的界限∈ {1，…，G+1}×{1，…，2（m+1）}。如果√T k^βgj- βgjk≥ 对于某些群和区域（g，j），对于某些M>0，则存在相应的子区间[τg，l-1+1，τgl]带τgl-τg，l-1> δT和性质3（a）意味着‘’g，l（K，θ）≤ -|Op（M）|对于一个足够大的M。因此，在最大值为1的事件上≤g级≤Gmax1≤j≤m+1k^βgj- βgjk≥ 机器翻译-1/2对于非常大的M，引理a.3意味着归一化对数似然取负值，概率接近1。当max1时，同样的结果成立≤j≤m+1k∑j- ∑jk≥ 机器翻译-1/2对于足够大的M。在确定了估计的收敛速度之后，我们现在能够证明关于中断日期估计和基本参数估计的渐近独立性的结果。为了继续，我们让基于间隔[t，t]中观察值的可能性 [1，T]表示为L（T，T；K，θ）=Qtt=tf（yt | XtT，θT，K）。然后，使用分区{[τl-在给定K和K的区间[1，T]中，我们可以将归一化对数似然表示为\'T（K，θ）=NXl=1对数L（τL-1+1，τl；K、 θ）- 对数L（τL-1+1，τl；K、 θ）.定理2的证明。

考虑以下情况（K，θ）∈\'M×\'M对于限制R（θ）=0的足够大的宝石。通过定义，我们可以写出\'T（K，θ）- `T（K，θ）-`T（K，θ）=NXl=1对数L（τL-1+1，τl；K、 θ）- 对数L（τL-1+1，τl；K、 θ）（A.27）-NXl=1对数L（τL-1+1，τl；K、 θ）-对数L（τL-1+1，τl；K、 θ）. （A.28）如果τl- τl-1> 中压-2T，那么我们有θt，K=θt，Kandθt，K=θt，kforallτl-1+ 1 ≤ t型≤ τl。因此，必须考虑（A.27）和（A.28）中的数量，指数l满足τl-τl-1.≤ 中压-2吨。物业4，bT=MT-1/2表示在（K，θ）中均匀∈\'\'M×\'\'M，\'T（K，θ）=\'T（K，θ）+\'T（K，θ）+Op(√T vT）-1..因此，我们得到了期望的结果。为了推导测试的极限分布，我们首先提出了一个技术引理，这是引理a.1（b）的直接结果。为此，我们引入一些符号。对于j=1，m、 我们确定，对于s<0，V（1）T，zη，j(-s） ：=vTTjXt=Tj+[sv-2T]（zt） ηt）和V（1）t，ηη，j(-s） ：=vTTjXt=Tj+[sv-2T]（ηtηt- In），A-10，对于s>0，V（2）T，zη，j（s）：=vTTj+[sv-2T]Xt=Tj（zt ηt）和V（2）t，ηη，j（s）：=vTTj+[sv-2T]Xt=Tj（ηtηt- 英寸）。引理A.4。在假设A6-A9和假设A4中定义的序列V下，对于j=1，m、 V（1）T，zη，j（·）=> V（1）zη，j（·）和V（2）T，zη，j（·）=> V（2）zη，j（·），其中弱收敛在空间D[0，∞)nq和布朗运动V（1）zη，j（·）和V（2）zη，j（·）在正文中定义。此外，对于j=1，m、 V（1）T，ηη，j（·）=> V（1）ηη，j（·）和V（2）T，ηη，j（·）=> V（2）ηη，j（·），其中弱收敛在空间D[0，∞)n×n矩阵V（1）ηη，j（·）和V（2）ηη，j（·）是正文中定义的布朗运动。引理1的证明。考虑制度j∈ {1，…，m}。

对于s∈ R和Tj（s）≤ t型≤Tj（s），观察（∑t，j+{Tj（r）≤t} （）-1=（∑j+1）-1，如果Tj（r）≤ Tj（s）（∑j+1）-1.-{Tj<t≤Tj（r）}{（σj+1）-1.- （σj））-1} ，如果Tj<Tj（r）≤ Tj（s）（σj）-1+{Tj（r）<t≤Tj}{（σj+1）-1.- （σj）-1} ，如果Tj（s）<Tj（r）≤ Tj（∑j）-1，如果Tj（s）≤ Tj（r），其产生（∑t，j+{Tj（r）≤t} （）-1=（σj+{r≤s} （）-1.- sgn（r）{| r|≤|s |}{（σj+1）-1.- （σj）-1}.设DT，j（s）：=vTPTj（s）t=Tj（s）+1xtxtt。我们有，对于每个Tj≤ t型≤ Tj（s）和r∈ R、 BT，j（s，R）=SDT，j（s）（σj+{r≤s} （）-1秒-sgn（r）{| r|≤|s |}SDT，j（r）{（σj+1）-1.- （σj）-1} S，自XtT（σt，j+{Tj（r））起≤t} （）-1XtT=SXTTTXTT （∑t，j+{Tj（r））≤t} （）-1S，同时也是Д（t/t）=Д（λj）+O(√T vT）-2.和wt=wTj+O(√T vT）-2., （A.29）在s中均匀分布∈ R、 在假设A6下，我们可以证明，在s∈ R、 vTTj（s）Xt=Tj（s）+1zt=| s |uz，j+{0<s}+op（1），vTTj（s）Xt=Tj（s）+1ztzt=| s | Qzz，j+{0<s}+op（1）。我们有ar- br=（a- b） 公关部-1l=0ar-1.-LBL适用于a、b∈ R和，对于整数R≥ 2、由此得出|（t/t）r- （Tj/T）r |≤ C |（t- Tj）/T |。A-11如下所示，在s中均匀∈ R、 DT，j（s）=s|Qzz，j+{0<s}uz，j+{0<s}Д（λj）uz，j+{0<s}T-1/2wTjД（λj）uz，j+{0<s}Д（λj）Д（λj）Д（λj）T-1/2 WTJT-1/2wTjuz，j+{0<s}T-1/2wTjД（λj）（T-1/2wTj）（T-1/2 WTJ）+ op（1）。还有XtT（σt，j+{Tj（r））≤t} （）-1ut=S我 （∑t，j+{Tj（r））≤t} （）-1.（xtT ut）和ut=（σj+{0<s}）1/2ηt。因此，对于Tj（s）≤ t型≤Tj（s），WT，j（s，r）=s智商 （σj+{r≤s} （）-1.VT，j（s）-sgn（r）{| r|≤|s |}s智商 {（σj+1）-1.- （σj）-1}VT，j（r），其中VT，j（s）：=智商 （∑j+{0<s}）1/2vTPTj（s）t=Tj（s）+1（xtT ηt）。由（A.29）可知，vttj（s）Xt=Tj（s）+1（xtTηt）=vTTj（s）Xt=Tj（s）+1（ztηt），Д（λj），T-1/2 WTJvTTj（s）Xt=Tj（s）+1ηt！+op（1），在s中均匀∈ R、 因此，引理A.4和连续映射定理产生{BT，j（·），WT，j（·）}mj=1=> {Bj（·），Wj（·）}mj=1。定理3的证明。定理1和2意味着，对于足够大的M>0，CBT=2nsupK∈\'M\'T（K，θ）- SUP公司∈\'M，H\'T（K，θ）o+op（1）。（A.30）设M为任意大常数。对于（g，j）∈ {1，…，G}×{1。

，m}，定义rj：=（r1j，…，rGj）带rGj∈ [-M、 M]考虑K∈\'Msuch that kgj=Tj+[rgjv-2吨]。然后，我们可以写出kj=Tj+min{[r1jv-2T]，[rGjv-2T]、0}和kj=Tj+max{[r1jv-2T]，[rGjv-2T]，0}。此外，`T（K，θ）=Pmj=1`（j）T（rj），其中`（j）T（rj）：=P'kjkj+1对数f（yt | XtT，θt，K）-对数f（yt | XtT，θt，t）.注意，对于1≤ t型≤ T，log f（yt | XtT，θT，K）=-nlog（2π）n+log∑t，K |+K（∑t，K）-1/2 UTK-2(βt，K）XtT（∑t，K）ut+K（∑t，K）-1/2XtTβt，K）ko。设kGj：=Tj+min{[rGjv-2T]、0}和kGj：=Tj+max{[rGjv-2T]，0}表示j∈ {1，…，m}。然后，`（j）T（rj）=`（j）T，1（rj）+`（j）T，2（rj），其中`（j）T，1（rj）：=kGjXt=kGj+1nlog∑t，t（∑t，K）-1.+ tr公司（σt，t）-1.- （σt，K）-1.乌图特o、 `（j）T，2（rj）：=kjXt=kj+12(βt，K）XtT（∑t，t）-1吨- k（∑t，t）-1/2XtTβt，Kk.首先，我们考虑术语`（j）T，1（rj）。我们可以写∑t，t（∑t，K）-1=英寸-（∑t，K-∑t，t）（∑t，K）-1和∑t，K-∑t，t=vTΦt，K，其中Φt，K=Φjif kGj<t≤ TjandΦt，K=-Φjif Tj<t≤ kGj。A-12因此，泰勒级数展开的应用得出，对于kGj≤ t型≤ kGj，对数∑t，t（∑t，K）-1 |=tr- vTΦt，K（∑t，K）-1.+tr公司vTΦt，K（∑t，K）-1.+ Op（vT）。（A.31）我们也可以写（∑t，t）-1.-（σt，K）-1=（∑t，t）-1（∑t，K-∑t，t）（∑t，K）-1和ut=（σt，t）1/2ηt，这意味着，对于kGj≤ t型≤ kGj，tr（σt，t）-1.- （σt，K）-1.乌图特= tr公司（σt，t）-1/2vTΦt，K（∑t，K）-1（∑t，t）1/2ηtηt. （A.32）对于kGj≤ t型≤ kGj，我们有（Φt，K，∑t，t，∑t，K）=（Φj，∑j，∑j+1），如果rGj≤ 0(-Φj，∑j+1，∑j），如果rGj>0。将（A.31）和（A.32）与πj（rGj）一起使用：=（σt，t）-1/2Φt，K（∑t，K）-1（∑t，t）1/2，我们得到`（j）t，1（rj）=trπj（rGj）VT，ηη，j（rGj）+|rGj | tr{πj（rGj）}+ op（1），（A.33），其中VT，ηη，j（rGj）：=vTPkGjt=kGj+1（ηtηt- 英寸）。接下来，我们考虑术语`（j）T，2（rj）。定义βg，t，K：=π∈Ggei公司o （βt，K- βt，t）。然后βt，K=PGg=1βg，t，Kand我们有`（j）t，2（rj）=kjXt=kj+1GXg=1(βg，t，K）XtT（∑t，K）-1吨-GXg=1GXl=1(βg，t，K）XtT（∑t，K）-1XtTβl，t，K.对于g组∈ {1，…，G}，我们有βg，t，K=βg，j+1- kgj<t的βgj≤ Tjand那βg，t，K=-（βg，j+1- βgj）对于Tj<t≤ kgj。

因此kjxt=kj+1(βg，t，K）XtT（∑t，K）-1ut=-sgn（rgj）δgjWT，j（rgj，rgj）。类似地，对于g、h组∈ {1，…，G}，我们有kjxt=kj+1(βg，t，K）XtT（∑t，K）-1XtTβh，t，K={kgj∨khj公司≤Tj}δgjBT，j（rgj∨ rhj，rGj）δhj+{Tj<kgj∧khj}δgjBT，j（rgj∧ rhj，rGj）δhj。因此，我们有`（j）T，2（rj）=-GXg=1sgn（rgj）δgjWT，j（rgj，rgj）-GXg=1GXl=1δgjn{rgj∨激光陀螺≤0}BT，jrgj公司∨rlj，rGj+{0<rgj∧rlg}BT，jrgj公司∧rlj，rGjoδlj。应用引理1和（A.33）以及上述方程，我们可以得到`（1） T（r）`（m） T（rm）=>`(1)∞（r） `（m）∞（rm）,A-13其中，对于j=1，m、 `（j）∞（rj）：=trπj（rGj）Vηη，j（rG）+|rGj | trπj（rGj）-GXg=1sgn（rgj）δgjWj（rgj，rgj）-GXg=1GXh=1δgjn{rgj∨rhg公司≤0}Bjrgj公司∨rhj，rGj+{0<rgj∧rhg}Bjrgj公司∧rhj，rGjoδhj。使用sj应用变量更改：=kδjk+tr（Φj）rj，对于j=1，…，sj=（s，…，sm），m、 我们可以显示2`（j）∞（rj）=CB（j）∞（sj）对于所有j=1，m、 因此，连续映射定理可以得到期望的结果。定理4的证明。在两个备选方案H1T下，定理1的收敛速度适用于估计值^θ和^K。因此，给定中断日期^K和K的集合，子区间{[τg，l-1+1，τgl]}Ngl=1对于每个组g满足τgl- τg，l-1.≥ νT或τgl- τg，l-1.≤ 中压-2t对于某些M>0。Ifτgl- τg，l-1.≥ νT，则用于验证属性3（b）的参数√T一致估计^θ表明‘‘g，l（^K，^θ）=Op（1），而获得（A.26）的参数表明‘‘g，l（^K，^θ）=Op（1），如果τgl-τgl≤ 中压-2吨。此外，定理1（b）暗示（^K，^θ）=op（1）。引理A.3得出，`T（^K，^θ）=Op（1）。（A.34）仍需考虑零假设H.（A）Letδ下的归一化似然\'T（eK，eθ）∈ （0，1）固定。如果max1≤j≤mmax1≤g、 g级≤G | kgj- kgj |≥ δT，那么我们有max1≤j≤mmax1≤g级≤G | ekj- kgj |≥ δT/2。应用命题a中使用的类似论点。1，我们可以证明mT=δT/2的性质1和2意味着\'T（eK，eθ）≤ -|Op（T vT）|。

（A.35）根据（A.34）和（A.35），CBT=2{` T（K，θ）- `T（eK，eθ）}≥ |Op（T vT）|。因为临界值c*α是一个有限值，我们得到了期望的结果。（b） 如果max1≤j≤mmax1≤g、 g级≤G | kgj-kgj |≥ 中压-2t对于某些常数M>0，则我们有max1≤j≤mmax1≤g级≤G | ekj-kgj |≥ 中压-2吨/2。当max1≤j≤mmax1≤g级≤G | ekj-kgj |≥ Dv-2Tlog T对于一个足够大的D，可以证明\'T（eK，eθ）≤ -|Op（M）|在命题a的证明中。1、当Mv-2吨≤ 最大值1≤j≤mmax1≤g级≤G | ekj- kgj |≤ Dv-2Tlog T，根据定理1（a）的证明，T（eK，eθ）≤ -|Op（M）|对于足够大的M>0。因此，有一些M>0，这样CBT≥ |Op（M）|证明完成。A-14表1。零假设下的经验拒收频率ar系数α=0.0α=0.4α=0.8破损尺寸标称尺寸标称尺寸δ10%5%1%10%5%1%10%5%1%0.50 0.064 0.036 0.004 0.086 0.050 0.004 0.162 0.104 0.0320.75 0.070 0.036 0.004 0.094 0.054 0.006 0.158 0.088 0.0321.00 0.084 0.004 0.106 0.060 0.010 0.170 0.098 0.0381.25 0.086 0.044 0.004 0.108 0.058 0.0140.182 0.104 0.0401.50 0.096 0.050 0.006 0.120 0.056 0.010 0.186 0.108 0.0360.75 0.75 0.084 0.032 0.004 0.112 0.046 0.004 0.158 0.086 0.0301.00 0.088 0.040 0.004 0.108 0.050 0.010 0.154 0.082 0.0301.25 0.086 0.050 0.006 0.104 0.060 0.006 0.156 0.088 0.0281.50 0.090 0.052 0.006 0.118 0.058 0.010 0.166 0.090 0.0281.00 1.00 0.090 0.044 0.008 0.104 0.060 0.012 0.150 0.078 0.0221.25 0.086 0.050 0.010 0.090.060 0.010 0.140 0.072 0.0261.50 0.092 0.050 0.012 0.096 0.056 0.012 0.152 0.070 0 0.0261.25 1.25 0.080 0.044 0.008 0.084 0.052 0.012 0.118 0.058 0.0181.50 0.074 0.042 0.010 0.080.044 0.010 0.112 0.056 0.0181.50 1.50 0.074 0.038 0.010 0.088 0.040 0.010 0.106 0.048 0.018注：数据生成过程为双变量系统：y1t=1+δ{k<t}+αy1，t-1+u1t（EQ1）y2t=1+δ{k<t}+αy2，t-1+u2t，（EQ2）对于t=1。

，T，其中（u1t，u2t）~ i、 i.d.N（0，i）和δii是i=1，2时方程的断裂尺寸。我们设置样本量T=100，中断日期k=k=50，修剪值ν=0.15。表2：。