变点的应用非常广泛。在现实生活中遇到很多重大问题,如故障的检测,诊断与监控,复杂系统的安全性(包括飞机、飞船、火箭等),质量控制,自然灾害的预测(包括地震、海啸等),生物制药的监控等。解决好上述问题将会给我们在人生安全、生态环境以及经济方面带来巨大收益。上述问题中一个共同点是如何检测在这些过程中的突然变化,这变化将会导致结构的变化。为研究方便,习惯上称这变化时刻为变点。本文中,为了估计均值变点我们提出了一个新的统计量,即累积和比值统计量。第二章用累积和比值的方法来估计均值变点,并证明了均值变点估计的相合性。通过数值模拟的方法进行仿真研究,结果表明,在检测样本容量的1/2和3/4位置时,适当选取样本容量和γ值,在简单随机样本序列下,变点位置估计的精确度几乎都能达到100%,从而证明了这种方法是有效的。此外,还与累积和方法进行比较,并且通过真实数据进行检测,进一步验证了累积和比值方法的有效性。第三章是用累积和比值方法来估计面板数据中的均值变点,并证明了均值变点估计的相合性。通过数值模拟的方法进行仿真研究,结果表明,在面板数据结构下,变点位置估计的精确度比一维数据结构下更高。当N≥ 200时,不论真实变点发生在什么位置,只要选取适当的γ值,估计的精确度几乎达到100%。特别地,当真实变点发生在样本容量T的1/2和3/4位置时,变点位置估计的精确度几乎不受γ值和样本容量N的影响。同时在面板数据结构下与累积和方法进行比较,验证了累积和比值方法的有效性。第四章通过实证分析,进一步验证了累积和比值方法的有效性。最后对全文进行总结,并提出了进一步的研究方向。