consensus estimates是什么意思

consensus estimates是什么意思

consensus estimates

  市场平均预估

  一般采用市场均匀预估

  别采取市场均匀预估

短语

Consensus Estimates Analysis 市场普遍预测分析

In support of this, the consensus estimates of Chinese security  *** ysts are thatearnings will rise by 9% this year and 22% in 2010. 

支持这一观点正确的是，中国的证券分析师一致预期今年上市公司的利润会上升9%，到2010年上升22%。

求翻译“repair estimates”是啥意思？

估计需要进行的修理（项目）

下面分享相关内容的知识扩展：

estimate的名词和形容词形式

estimate

v.估计；估算；估价

n.估价；(对数量、成本等的)估计；估计的成本

AMOS结构方程，P值大，estimate有负值？

建立图一模型，路径系数有负值，结果图二P值比较大，不显著，请问这是由于数据共线性原因嘛。我尝试过调整数据，SPSS显示不存在多重共线性了，但是AMOS中P值却更大了，求解答，万分感谢
楼主你好！
这段英文意味着你的数据有缺失。你只需要点那个"View"，然后点"Analysis Properties"。你会看到“Estimate means and intercepts"。选择 "Analyze" 或者 "Calculate Estimates"，检查一下输入的数据有没有漏掉什么，补上后应该就没事了。或者如果原始数据不是很多的话，你可以把原始数据中得缺失值删除，这样就不会有这个出错报告了。希望我的回答能帮到您！

ar test是0.1还是0.05

下面是STATA的输出结果，可发现，运用xtserial命令发现存在一阶自相关，然后，运用xtregar命令，得出的变量 lf_p的估计系数为 .， lf_p的平方项为 f2，其估计系数为-.，但是其他的命令如xtscc以及考虑了截面异方差的命令都与xtregar得出的系数符号完全相反；也就是说，根据xtregar得出一个倒U型曲线，而其他命令（包括xtreg,fe）得出结论是U型曲线，如何处理这个问题啊？？？？？

local fin "lf_p"

. *local fin "lf_r"
. *local fin "lf_g"
. dropvars f2

. gen f2=`fin'*`fin'
(28 missing values generated)

. xtreg vol `fin' f2 lurban ledu lstu,fe

Fixed-effects (within) regression Number of obs = 644
Group variable: id Number of groups = 28

R-sq: within = 0.2958 Obs per group: min = 23
between = 0.0083 avg = 23.0
overall = 0.1280 max = 23

F(5,611) = 51.32
corr(u_i, Xb) = -0.6454 Prob > F = 0.0000

------------------------------------------------------------------------------
vol | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lf_p | -. . -5.17 0.000 -. -.
f2 | . . 4.22 0.000 . .
lurban | -. . -4.30 0.000 -. -.
ledu | -. . -4.78 0.000 -. -.
lstu | . . 2.29 0.022 . .
_cons | . . 9.15 0.000 . .
-------------+----------------------------------------------------------------
sigma_u | .
sigma_e | .
rho | . (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0: F(27, 611) = 7.46 Prob > F = 0.0000

. xtserial vol `fin' f2 lurban ledu lstu //存在一阶相关

Wooldridge test for autocorrelation in panel data
H0: no first order autocorrelation
F( 1, 27) = 1189.581
Prob > F = 0.0000

. xtregar vol `fin' f2 lurban ledu lstu,fe twostep //考虑一介相关

FE (within) regression with AR(1) disturbances Number of obs = 616
Group variable: id Number of groups = 28

R-sq: within = 0.0311 Obs per group: min = 22
between = 0.0115 avg = 22.0
overall = 0.0397 max = 22

F(5,583) = 3.74
corr(u_i, Xb) = -0.4803 Prob > F = 0.0024

------------------------------------------------------------------------------
vol | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lf_p | . . 2.07 0.038 . .
f2 | -. . -1.60 0.110 -. .
lurban | -. . -1.90 0.058 -. .
ledu | -. . -2.25 0.025 -. -.
lstu | -. . -0.13 0.896 -. .
_cons | . . 10.48 0.000 . .
-------------+----------------------------------------------------------------
rho_ar | .
sigma_u | .
sigma_e | .
rho_fov | . (fraction of variance because of u_i)
------------------------------------------------------------------------------
F test that all u_i=0: F(27,583) = 0.88 Prob > F = 0.6375

. xtreg vol `fin' f2 lurban ledu lstu,fe cluster(id) // 考虑截面相关

Fixed-effects (within) regression Number of obs = 644
Group variable: id Number of groups = 28

R-sq: within = 0.2958 Obs per group: min = 23
between = 0.0083 avg = 23.0
overall = 0.1280 max = 23

F(5,27) = 16.67
corr(u_i, Xb) = -0.6454 Prob > F = 0.0000

(Std. Err. adjusted for 28 clusters in id)
------------------------------------------------------------------------------
| Robust
vol | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lf_p | -. . -4.05 0.000 -. -.
f2 | . . 4.02 0.000 . .
lurban | -. . -3.17 0.004 -. -.
ledu | -. . -3.08 0.005 -1. -.
lstu | . . 1.20 0.240 -. .
_cons | . . 5.59 0.000 . .
-------------+----------------------------------------------------------------
sigma_u | .
sigma_e | .
rho | . (fraction of variance due to u_i)
------------------------------------------------------------------------------

.
. xtscc vol `fin' f2 lurban ledu lstu,fe lag(1) //同时考虑异方差、自相关、截面相关

Regression with Driscoll-Kraay standard errors Number of obs = 644
Method: Fixed-effects regression Number of groups = 28
Group variable (i): id F( 5, 27) = 15.60
maximum lag: 1 Prob > F = 0.0000
within R-squared = 0.2958

------------------------------------------------------------------------------
| Drisc/Kraay
vol | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lf_p | -. . -5.19 0.000 -. -.
f2 | . . 4.48 0.000 . .
lurban | -. . -2.74 0.011 -. -.
ledu | -. . -2.99 0.006 -1. -.
lstu | . . 1.21 0.236 -. .
_cons | . . 5.49 0.000 . .
------------------------------------------------------------------------------

. xtivreg2 vol `fin' f2 lurban ledu lstu,fe bw(1) robust *** all

FIXED EFFECTS ESTIMATION
------------------------
Number of groups = 28 Obs per group: min = 23
avg = 23.0
max = 23

OLS estimation
--------------

Estimates efficient for homoskedasticity only
Statistics robust to heteroskedasticity and autocorrelation
kernel=Bartlett; bandwidth= 1
time variable (t): .
group variable (i): id

Number of obs = 644
F( 5, 611) = 51.44
Prob > F = 0.0000
Total (centered) SS = . Centered R2 = 0.2958
Total (uncentered) SS = . Uncentered R2 = 0.2958
Residual SS = . Root MSE = .01483

------------------------------------------------------------------------------
| Robust
vol | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
lf_p | -. . -6.05 0.000 -. -.
f2 | . . 5.61 0.000 . .
lurban | -. . -4.72 0.000 -. -.
ledu | -. . -5.36 0.000 -. -.
lstu | . . 2.26 0.024 . .
------------------------------------------------------------------------------
Included instruments: lf_p f2 lurban ledu lstu
------------------------------------------------------------------------------

建议你在 FE 模型设定中加入年度虚拟变量，看看结果有何变化，在此基础上再执行序列相关检验和后续分析。

加入年度虚拟变量后，发现，最核心的解释变量变得完全不显著了，整个理论预期完全错误了，无法得到证实。
后来，对被解释变量取了自然对数，再按照上面的步骤，仍然发现，最核心的解释变量是完全不显著的。
如何处理这个问题呢？是不是要放弃这个研究呢？

建议你采用 xtreg,fe robust 命令即可。