The Min-Max Algorithm and Isotonic Regression
Min-Max 算法与保序回归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：摘要涉及一般保序回归与约束推断，未提供对应所列经济计量细分方向的直接证据。
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
Min-Max 算法与保序回归
- 研究问题
- 如何直接、快速地求解偏序约束下保序回归的最小二乘问题，并使保序检验临界值的模拟近似更可行？
- 方法与思路
- 作者提出 Min-Max 算法，通过依次搜索全局最小值和局部最大值求解，并与其他偏序保序回归算法比较。
- 材料陈述的贡献
- 摘要称该算法为偏序保序回归提供高效的直接求解方法，并使通过模拟近似保序检验临界值成为可行应用。
- 阅读关注点
- 应核对偏序约束的表达、交替搜索的具体步骤、求解正确性及计算成本，以及临界值模拟采用的检验与设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；算法适用条件、效率比较和临界值近似误差未说明，不能推断刊本变化。
原文摘要
There is growing interest in statistical inference under order restrictions. A major demand in this subject is to have a fast, direct method to solve the least squares problem of partially ordered isotonic regression. The Min-Max algorithm is such a method in which the user searches for the global minimum and the local maximum successively. A comparison of algorithms for partially ordered isotonic regression is included. As an application, using this efficient algorithm, it is feasible to approximate critical values of isotonic tests by simulation.