chow breakpoint/forecast test

chow's breakpoint检验
零假设是：两个子样本拟合的方程无显著差异。有差异则说明关系中结构发生改变
demo中
Chow Breakpoint Test: 1977Q1                                
                               
F-statistic        2.95511837136742            Prob. F(3,174)                0.0339915698953355
Log likelihood ratio        8.94507926849178            Prob. Chi-Square(3)                0.0300300700620291
                               
p值<0.05，可拒绝0假设，即认为各个因素的影响强弱发生了改变。
问题是如何才能准确的找到这个或这几个断点？目前的方法是找残差扩大超出边线的那个点，但这是不准确的，在demo中1975Q2的残差超出，但是chow's breakpoint检验的两个p值都接近0.2，1976Q3开始两个p值才小于0.05，并且有逐渐减小之势。
chow's forecast检验
用断点隔断样本，用之前的样本建立回归模型，然后用这个模型对后一段进行预测，检验这个模型对后续样本的拟合程度。
0假设是：模型与后段样本无显著差异
demo中的1976Q4作为break point,得到两个p值为0，即认为两段样本的系数应该是不同的。
结果

Chow Forecast Test: Forecast from 1976Q4 to 1996Q4				
				
F-statistic	58.75106	    Prob. F(81,96)		0.000000
Log likelihood ratio	706.2089	    Prob. Chi-Square(81)		0.000000
				
				
Test Equation:				
Dependent Variable: M1				
Method: Least Squares				
Date: 12/28/07   Time: 14:49				
Sample: 1952Q1 1976Q3				
Included observations: 99				
				
Variable	Coefficient	Std. Error	t-Statistic	Prob.  
				
C	79.48708	9.548572	8.324499	0.0000
PR	-61.77553	67.08647	-0.920834	0.3594
GDP	0.640974	0.043420	14.76210	0.0000
				
R-squared	0.993132	    Mean dependent var		191.2278
Adjusted R-squared	0.992989	    S.D. dependent var		61.36912
S.E. of regression	5.138545	    Akaike info criterion		6.141251
Sum squared resid	2534.846	    Schwarz criterion		6.219891
Log likelihood	-300.9919	    F-statistic		6941.009
Durbin-Watson stat	0.377960	    Prob(F-statistic)		0.000000
				

但是其中PR的系数的p值为0.3594,说明PR系数估计有问题，在这种情况下，chow's forecast test还有效吗？
将breakpoint调整到1975Q1，PR的p值减小到0.0471，这时候可以认为PR系数有效，但是chow's breakpoint test的两个p值已经>0.2。 两个检验无法兼得。
对断点的寻找完全靠人工，有些不太妥当