统计检验和估计数据中的变点一直是最近的热点问题.变点问题在许多学科中都会遇到，比如经济，金融，医疗，心理学，地质学，甚至在我们的日常生活中也经常会遇到.现有的方法主要包括三类：参数的，非参数的以及基于贝叶斯的.参数似然比是最为常见的用于检验变点的参数方法，而非参的方法一般都与基于秩的检验有关.经验似然最早是由Owen(1988，1990)提出，是一种将似然方法拓展到特定的非参数情形中的方法.它具有许多良好的性质，很多学者将其推广应用在统计问题的各个分支中.本文提出基于经验似然比的非参数方法，用于变点的统计分析和估计.其具有非参数的性质，也就是从某种程度上说是不依赖于分布假设的，并且它与参数似然的变点方法具有某些相同的特点.本文所提出的方法主要是通过在数据中搜寻最大的两样本经验似然比检验统计量来进行统计检验和估计.我们证明了在原假设下，经验似然比检验统计量与经典的参数似然比统计量有相同的极限分布.在适当的条件下，极大经验似然变点估计以及经验似然比检验被证明是相合的.我们研究两种实际中常见的情形：源于统计质量控制的一元均值变点模型和在许多领域尤其是经济应用中常见的线性回归变点模型.在线性回归模型中，由于经验似然函数的非凹性，我们无法直接获得极大经验似然估计.为了解决这一问题我们给出一个非常自然的并且具有良好解释的约束，并在此约束下可得到极大经验似然估计.模拟的结果说明所提出的方法有良好的效果并具有对分布的稳健性.我们利用一些文献中实际的数据来说明所提方法的有效性，其中包括著名的尼罗河水灾以及黄石公园间歇泉的例子.我们还说明由于经验似然的易用性，可以很方便地利用一些其它的辅助信息.另外，所提出的方法可以容易地推广到其它模型，比如多元模型以及所谓的流行备选假设.