变点检测是近年来统计学研究的课题之一，很多学者对变点检测的研究做出了不少成果。本文主要考虑当模型中存在异常点或者强影响点时，如何基于M估计，提高参数估计的稳健性，获得更好的变点检测效果。　　 本文首先提出基于M估计，利用信息量SIC(k)进行变点检测的方法。该方法首先在稳健对数似然函数最小的原则下进行参数估计，然后利用信息量构造检验统计量，并进一步估计变点值。模拟结果表明该方法准确率高，当样本量较大时，变点检测的准确率很高。并且在Huber函数中c值的有效控制下，变点模型在该方法下得到的参数估计具有稳健性，主要体现在方差估计上。　　 为提高位置参数估计的稳健性，本文提出了基于位置参数M估计的渐近正态性进行变点检测的方法。该方法视方差为多余参数，利用未知参数估计的渐近正态性，构造假设检验统计量，检测变点。模拟验证表明该方法位置参数估计的稳健性得到了很好的改善，并且当模型中存在异常点时，变点估计也更加稳健和精确。　　 实例分析中，本文分别对1970-1990年美国20年来年CPI指数与月CPI指数进行研究，结果发现1981为经济模型的变点，这与当时70年代美国通货膨胀，70年代末期采取系列措施打压通胀取得成效是一致的。