Simplifier le modèle avec les statistiques t
Outre les p-valeurs, les statistiques t peuvent également aider à décider de la nécessité des paramètres du modèle. Dans cet exercice, vous allez vous entraîner à utiliser les statistiques t pour évaluer la significativité des paramètres du modèle.
La statistique t est calculée comme la valeur estimée du paramètre moins sa moyenne attendue (zéro dans ce cas), puis divisée par son erreur standard. La valeur absolue de la statistique t est une mesure de distance qui indique de combien d’erreurs standards l’estimation du paramètre s’écarte de 0. En règle générale, si la statistique t est supérieure à 2, vous pouvez rejeter l’hypothèse nulle.
Vous travaillerez avec le même modèle GARCH que dans l’exercice précédent. Vous pouvez accéder au résumé de l’ajustement du modèle via gm_result.
Cet exercice fait partie du cours
Modèles GARCH en Python
Instructions
- Récupérez les paramètres du modèle, les erreurs standards et les statistiques t, et enregistrez-les dans le DataFrame
para_summary. - Calculez manuellement les statistiques t à partir des valeurs des paramètres et de leurs erreurs standards, et enregistrez le résultat du calcul dans
calculated_t. - Affichez et examinez
calculated_t. - Affichez et examinez
para_summary.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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(____)