Isotonic subgroup selection
保序子群选择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：摘要明确列出异质处理效应与保序分位数回归扩展，分别支持因果推断和分位数与分布效应两个方向。
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…
保序子群选择
- 研究问题
- 如何从协变量与响应样本中，选出回归函数超过预设阈值的协变量区域，同时控制错误选择并保持检验功效？
- 方法与思路
- 作者在多元保序回归框架下，将鞅检验与适用于逻辑结构假设的多重检验程序结合，构造可计算的子群选择方法。
- 材料陈述的贡献
- 摘要称程序具有非渐近一致第一类错误控制，功效达到相差多对数因子的极小极大最优速率，并提供扩展及 R 实现。
- 阅读关注点
- 应核对单调性与误差控制的适用条件、功效界对应的函数类别，以及分位数和异质处理效应扩展的额外要求。
- 阅读边界
- 仅据所给 Crossref 摘要；具体假设、功效界及实证结果未说明，不能把异质处理效应扩展理解为自动满足因果识别。
原文摘要
Abstract Given a sample of covariate–response pairs, we consider the subgroup selection problem of identifying a subset of the covariate domain where the regression function exceeds a predetermined threshold. We introduce a computationally feasible approach for subgroup selection in the context of multivariate isotonic regression based on martingale tests and multiple testing procedures for logically structured hypotheses. Our proposed procedure satisfies a non-asymptotic, uniform Type I error rate guarantee with power that attains the minimax optimal rate up to poly-logarithmic factors. Extensions cover classification, isotonic quantile regression, and heterogeneous treatment effect settings. Numerical studies on both simulated and real data confirm the practical effectiveness of our proposal, which is implemented in the R package ISS.