t-स्टैटिस्टिक्स से मॉडल को सरल करें
p-values के अलावा, t-स्टैटिस्टिक्स भी यह तय करने में मदद कर सकते हैं कि किसी मॉडल पैरामीटर की ज़रूरत है या नहीं. इस अभ्यास में, आप t-स्टैटिस्टिक्स का उपयोग करके मॉडल पैरामीटरों की महत्ता जाँचने का अभ्यास करेंगे.
t-स्टैटिस्टिक ऐसे निकाला जाता है: अनुमानित पैरामीटर मान में से उसके अपेक्षित माध्य (इस केस में 0) को घटाएँ, और प्राप्त मान को उसके स्टैंडर्ड एरर से भाग दें. t-स्टैटिस्टिक का परिमाण एक दूरी का माप है, जो बताता है कि अनुमानित पैरामीटर 0 से कितने स्टैंडर्ड एरर दूर है. एक सामान्य नियम के रूप में, यदि t-स्टैटिस्टिक 2 से बड़ा है, तो आप शून्य परिकल्पना को खारिज कर सकते हैं.
आप पिछले अभ्यास वाले उसी GARCH मॉडल पर काम करेंगे. आप gm_result में मॉडल फिटिंग का सारांश देख सकते हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में GARCH मॉडल
अभ्यास निर्देश
- मॉडल पैरामीटर, स्टैंडर्ड एरर और t-स्टैटिस्टिक प्राप्त करें और उन्हें DataFrame
para_summaryमें सहेजें. - पैरामीटर मान और उनके स्टैंडर्ड एरर का उपयोग करके t-स्टैटिस्टिक्स को मैन्युअली गणना करें, और परिणाम
calculated_tमें रखें. calculated_tको प्रिंट करें और जाँचें.para_summaryको प्रिंट करें और जाँचें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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(____)