摘要：人们对检测集体异常越来越感兴趣：在恢复正常行为之前，数据特征可能会在短时间内发生变化。我们提出了一种检测向量自回归（VAR）模型中集体异常的新方法。我们关注异常处VAR系数矩阵变化稀疏的情况，即VAR系数阵的少量条目发生变化。为了解决这个问题，我们提出了一个局部段的测试统计量，它建立在模型参数变化的lasso估计的基础上。这使我们能够更有效地检测稀疏变化，当异常间隔较短时，基于套索的方法变得特别有利。我们证明了新方法控制了I型误差，并且具有趋于1的渐近幂。通过仿真和两个数据示例，分别涉及纽约出租车出行数据和EEG数据，验证了该方法的实用性。

关键词和短语：集体异常、流行病变化、高维时间序列、拉索、稀疏变化、向量自回归模型。