The Quadratic Loss of Isotonic Regression Under Normality
正态性下保序回归的平方损失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：摘要研究形状约束回归的一般风险性质，没有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
正态性下保序回归的平方损失
- 研究问题
- 在非递减回归函数估计中，施加单调约束的极大似然估计量，其各坐标均方误差是否小于通常的无约束估计量？
- 方法与思路
- 作者研究保序极大似然估计量的逐点平方损失，并在通常估计量相互独立且服从正态分布时进行均方误差比较。
- 材料陈述的贡献
- 摘要称，在所述独立正态框架中，保序估计量每个坐标的均方误差均小于通常估计量，而非仅给出总损失比较。
- 阅读关注点
- 应核对单调参数空间、正态变量的方差条件、逐坐标风险比较的精确定义，以及严格不等式是否存在例外情形。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要，完整条件与证明未提供；逐坐标均方误差结论不能直接推广到相关数据或非正态误差。
原文摘要
The maximum likelihood estimator $\hat{\mu}$ of a nondecreasing regression function has been studied in detail in the literature. However, little is known about its quadratic loss pointwise. This paper shows that the mean square error of $\hat{\mu}_i$ is less than that of the usual estimator $\bar{X}_i$ for each $i$ when $\bar{X}_1,\cdots, \bar{X}_k$ are independent normal variates.