Restoration of Monotonicity Respecting in Dynamic Regression
动态回归中单调性约束的恢复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：摘要明确将分位数回归列为适用模型，故选择分位数方向；没有足够证据据“动态”一词归入时间序列。
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
动态回归中单调性约束的恢复
- 研究问题
- 在分位数回归及 Aalen 加性风险等动态回归模型中，如何修正标准估计违反单调性要求的问题并保留渐近性质？
- 方法与思路
- 作者提出自适应插值法，依次寻找原估计中邻近的满足单调性要求的点，再通过插值构造修正后的回归系数估计。
- 材料陈述的贡献
- 摘要称修正估计在一定条件下与原估计渐近等价，数值研究显示更平滑且可能提高有限样本效率，并提供临床示例。
- 阅读关注点
- 应核对单调性要求作用于何种预测量、插值点选择规则、渐近等价成立的条件，以及效率比较的具体模型设置。
- 阅读边界
- OpenAlex 摘要未注明稿件版本，未列出正则条件；“动态回归”不自动意味着时间序列，效率改善也只是可能性陈述。
原文摘要
Dynamic regression models, including the quantile regression model and Aalen's additive hazards model, are widely adopted to investigate evolving covariate effects. Yet lack of monotonicity respecting with standard estimation procedures remains an outstanding issue. Advances have recently been made, but none provides a complete resolution. In this article, we propose a novel adaptive interpolation method to restore monotonicity respecting, by successively identifying and then interpolating nearest monotonicity-respecting points of an original estimator. Under mild regularity conditions, the resulting regression coefficient estimator is shown to be asymptotically equivalent to the original. Our numerical studies have demonstrated that the proposed estimator is much more smooth and may have better finite-sample efficiency than the original as well as, when available as only in special cases, other competing monotonicity-respecting estimators. Illustration with a clinical study is provided.