Semplifica il modello con le statistiche t
Oltre ai p-value, anche le statistiche t possono aiutarti a decidere se i parametri del modello sono necessari. In questo esercizio, farai pratica nell'usare le statistiche t per valutarne la significatività.
La statistica t si calcola come il valore stimato del parametro meno la sua media attesa (in questo caso zero), diviso per il suo errore standard. Il valore assoluto della statistica t è una misura di distanza che ti dice di quante unità di errore standard il parametro stimato si trova lontano da 0. Come regola pratica, se la statistica t è maggiore di 2, puoi rifiutare l'ipotesi nulla.
Lavorerai con lo stesso modello GARCH dell'esercizio precedente. Puoi accedere al riepilogo dell'adattamento del modello in gm_result.
Questo esercizio fa parte del corso
Modelli GARCH in Python
Istruzioni dell'esercizio
- Ottieni i parametri del modello, gli errori standard e le statistiche t e salvali nel DataFrame
para_summary. - Calcola manualmente le statistiche t usando i valori dei parametri e i loro errori standard e salva il risultato del calcolo in
calculated_t. - Stampa e rivedi
calculated_t. - Stampa e rivedi
para_summary.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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(____)