提出了一种回归函数单调估计的新方法，对传统平滑方法的用户具有潜在的吸引力。新方法的主要思想是根据估计值构造密度估计$\stackrel{<trans\; data-src="̂">̂</trans>}{\mathrm{<trans\; data-src="m">米</trans>}}<trans\; data-src="(">(</trans>\mathrm{<trans\; data-src="i">我</trans>}<trans\; data-src="/">/</trans>\mathrm{<trans\; data-src="N">N个</trans>}<trans\; data-src=")">)</trans>$($\mathrm{<trans\; data-src="i">我</trans>}<trans\; data-src="=">=</trans>\mathrm{<trans\; data-src="1">1</trans>}<trans\; data-src=",">,</trans><trans\; data-src="\dots ">\dots </trans><trans\; data-src=",">,</trans>\mathrm{<trans\; data-src="N">N个</trans>}$)并使用这些“数据”计算回归函数的逆估计。然后通过数值反演获得最终估计值。与现有的单调估计方法相比，新方法不需要约束优化。我们证明了新估计的渐近正态性，并将其渐近性质与无约束估计进行了比较。特别是，对于核估计或局部多项式，可以选择过程中的带宽，使得单调估计与无约束估计是一阶渐近等价的。我们还通过仿真研究说明了新程序的性能。