An Algorithm for Isotonic Regression for Two or More Independent Variables
两个及以上自变量的保序回归算法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般多维形状约束回归算法，未提供所列经济计量细分方向的明确依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
两个及以上自变量的保序回归算法
- 研究问题
- 多维保序回归因下集数量庞大或搜索过程反复检查调整而难以实现时，能否以简单迭代求得正确解？
- 方法与思路
- 作者提出一种求解多维保序回归的简单迭代算法，针对既有实现中下集枚举及搜索调整带来的困难，并证明收敛到正确解。
- 材料陈述的贡献
- 摘要明确声称提出新的迭代求解方法并建立正确解收敛性；未报告收敛速度、计算复杂度或与既有算法的数值比较。
- 阅读关注点
- 核对保序约束和目标函数、每步迭代操作、初始化及停止准则，明确收敛证明对设计点结构和解的性质有哪些要求。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；算法步骤、复杂度与收敛条件未提供，简单迭代及收敛保证不能直接证明计算更快。
原文摘要
Algorithms for solving the isotonic regression problem in more than one dimension are difficult to implement because of the large number of lower sets present or because they involve search techniques which require a significant amount of checking and readjustment. Here a new algorithm for solving this problem based on a simple iterative technique is proposed and shown to converge to the correct solution.