We next consider the performance of

We next consider the performance of the estimation procedure proposed in Section 2.1. Figure 2 presents the kernel densities for the regression slope estimators for selected samples and the frequency k = 1. As predicted by Theorem 1, the consistency of the time-varying threshold estimator implies that the observations can be correctly classified into subsets, and hence the true model slope parameters β1 and β2 can be consistently estimated. Overall, the parameter estimation procedure works well in the finite sample properties. Table 1 presents the summary statistics (i.e., mean, and standard deviation) for the least-square parameter estimates.

結果 (繁體中文) 1:

下面我們考慮在2.1節提出的估計過程的性能。圖2給出了回歸斜率估計對選定的樣品和頻率k內核密度= 1。作為定理1預測，隨時間變化的閾值估計的一致性意味著觀察可以被正確地分類為子集，並且因此真正的模型斜率參數β1和β2可以一致估計。總體而言，參數估計過程中的無限樣本性質效果很好。表1給出了最小二乘參數估計值的匯總統計（即平均值和標準偏差）。

結果 (繁體中文) 2:

接下來，我們考慮第 2.1 節中建議的估計程式的性能。圖 2 顯示了選定樣本的回歸斜率估計器的內核密度和頻率 k = 1。如定理1所預測的那樣，時變閾值估計器的一致性意味著觀測值可以正確分類為子集，因此可以一致地估計真正的模型斜率參數#1和+2。總體而言，參數估計過程在有限樣本屬性中運行良好。表 1 顯示了最小平方參數估計值的匯總統計資訊（即平均值和標準差）。

結果 (繁體中文) 3:

接下來，我們考慮第2.1節中提出的估算程式的效能。圖2顯示了所選樣本的回歸斜率估計器的核密度和頻率k=1。如定理1所預測的，時變閾值估計器的一致性意味著觀測值可以正確地劃分為子集，從而可以一致地估計真實的模型斜率參數β1和β2。總的來說，參數估計程式在有限樣本内容中工作良好。錶1給出了最小二乘參數估計的匯總統計（即平均值和標準差）。