Zjednodušení modelu pomocí t-statistik
Kromě p-hodnot ti mohou při rozhodování o nezbytnosti parametrů modelu pomoci také t-statistiky. V tomto cvičení si procvičíš jejich použití k posouzení významnosti parametrů modelu.
T-statistika se vypočítá tak, že od odhadované hodnoty parametru odečteš jeho očekávanou střední hodnotu (v tomto případě nulu) a výsledek vydělíš standardní chybou. Absolutní hodnota t-statistiky je mírou vzdálenosti a říká ti, o kolik standardních chyb se odhadovaný parametr liší od 0. Jako obecné pravidlo platí: pokud je t-statistika větší než 2, můžeš nulovou hypotézu zamítnout.
Budeš pracovat se stejným GARCH modelem jako v předchozím cvičení. Shrnutí výsledků fitování modelu najdeš v gm_result.
Toto cvičení je součástí kurzu
GARCH modely v Pythonu
Pokyny k cvičení
- Získej parametry modelu, standardní chyby a t-statistiky a ulož je do DataFrame
para_summary. - Vypočítej t-statistiky ručně pomocí hodnot parametrů a jejich standardních chyb a výsledek ulož do
calculated_t. - Vypiš a zkontroluj
calculated_t. - Vypiš a zkontroluj
para_summary.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Get parameter stats from model summary
para_summary = pd.DataFrame({'parameter':gm_result.____,
'std-err': gm_result.____,
't-value': gm_result.____})
# Verify t-statistic by manual calculation
calculated_t = para_summary['____']/para_summary['____']
# Print calculated t-value
print(____)
# Print parameter stats
print(____)