Simplifica el modelo con estadísticas t
Además de los p-values, las estadísticas t también pueden ayudarte a decidir si los parámetros del modelo son necesarios. En este ejercicio practicarás cómo usar las estadísticas t para evaluar la significancia de los parámetros del modelo.
La estadística t se calcula restando al valor estimado del parámetro su media esperada (cero en este caso) y dividiéndolo por su error estándar. El valor absoluto de la estadística t es una medida de distancia que te indica cuántos errores estándar separan al parámetro estimado de 0. Como regla general, si la estadística t es mayor que 2, puedes rechazar la hipótesis nula.
Trabajarás con el mismo modelo GARCH del ejercicio anterior. Puedes acceder al resumen del ajuste del modelo en gm_result.
Este ejercicio forma parte del curso
Modelos GARCH en Python
Instrucciones del ejercicio
- Obtén los parámetros del modelo, los errores estándar y la estadística t, y guarda todo en el DataFrame
para_summary. - Calcula manualmente las estadísticas t usando los valores de los parámetros y sus errores estándar, y guarda el resultado en
calculated_t. - Imprime y revisa
calculated_t. - Imprime y revisa
para_summary.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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(____)