考虑$i=1，\cdots，n$的回归模型$Y_i=X'_i\beta+g（t_i）+e_i$。这里$g$是$R中已知阶次$p$的未知Holder连续函数，\beta$是要估计的$k\乘以1$参数向量，$e_i$是未观察到的扰动。这种模型经常出现在对$g$的性质缺乏真正了解的情况下。提出了一个分段多项式$g_n$来逼近$g$。基于模型$Y_i=X'_i\beta+g_n（t_i）+e_i$，得到了最小二乘估计量$hat\beta$。结果表明，在$X$和$T$相关的情况下，$hat\beta$可以实现通常的参数速率$n^{-1/2}$，并且具有最小的可能渐近方差。