Isotonic subgroup selection
保序回归中的子群选择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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确列出保序分位数回归和异质性处理效应两类扩展，但主方法是一般子群选择。
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…
保序回归中的子群选择
- 研究问题
- 在多元回归函数满足保序限制时，如何找出其超过预设阈值的协变量区域，同时控制错误选择并保持检测能力？
- 方法与思路
- 作者结合鞅检验与具有逻辑结构假设的多重检验，构造计算可行的子群选择程序，并扩展至分位数和异质性效应场景。
- 材料陈述的贡献
- 摘要称程序具有非渐近一致第一类错误率保证，功效达到仅差多对数因子的极小极大最优速率，并提供 R 实现。
- 阅读关注点
- 应核对保序限制、错误率所针对的选择事件、最优速率的函数类别，以及分位数和处理效应扩展需要哪些额外条件。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列定理条件，不能将其最优性推广至任意回归或子群选择。
原文摘要
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 pre-determined 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.