单指标模型是一类简单的但是非常重要的半参数模型，在经济、生物和医学等领域具有广泛的应用背景。单指标模型的估计包括未知单指标参数的估计和连接函数的估计。当未知连接函数光滑时，已经有很多文献进行了讨论。但是当未知连接函数不连续时，相关的研究很少。　　本文主要讨论了含有不连续的未知连接函数的单指标模型的两种估计方法。首先，传统的方法中，改进的最小平均方差估计(rMAVE)方法通过极小化逐点条件方差的平均值可以同时估计单指标参数和未知的连接函数，这里的逐点条件方差是通过带有双边核函数的局部线性拟合方法估计得到的。当单指标模型的连接函数含有跳点时，最小平均方差估计在跳点处的估计会产生较大的偏差。将保跳技术嵌入到最小平均方差估计方法中，提出了一种单指标模型的自适应的保跳估计方法。具体来讲，在最小平均方差估计迭代过程中，分别采用双边核函数以及左、右两种单边核函数的局部线性拟合方法给出每个样本点的三种估计值，通过比较加权平均的残差平方和，来选择最终的估计值。称这种方法为保跳的最小平均方差估计方法(JPMAVE)。在一定的条件下，给出了估计量的渐近性质。　　由于保跳的最小平均方差估计方法由于采用了逐点的局部线性核估计方法，运算速度比较慢。样条方法在进行函数估计时，有快速的运算速度。通过建立回归函数的分段连续B样条的跳点检测和曲线估计方法，并将其应用到带有不连续连接函数的单指标模型，提出了一种新的快速的跳回归方法(JDBS)，并给出了相关的理论性质。　　在随后的模拟研究中，对比了传统的最小平均方差估计、保跳的最小平均方差估计和B样条的跳回归方法，两种跳回归方法对连接函数带跳的单指标模型估计效果均好于传统的最小平均方差估计，两种跳回归方法的估计结果接近，但是B样条的跳回归方法当样本量较大时，具有更快的计算速度。最后在实证分析中，通过一组教师薪水数据说明了新方法的优越性。