t統計量でモデルを簡素化する
p値に加えて、t統計量もモデルパラメータの必要性を判断するのに役立ちます。この演習では、t統計量を使ってモデルパラメータの有意性を評価する練習をします。
t統計量は、推定されたパラメータ値からその期待される平均（この場合は0）を引き、その標準誤差で割って計算します。t統計量の絶対値は距離の指標で、推定パラメータが0から標準誤差何個分離れているかを示します。経験則として、t統計量が2より大きければ、帰無仮説を棄却できます。
前の演習と同じGARCHモデルを使います。モデル当てはめのサマリーは gm_result から参照できます。
この演習はコースの一部です
Pythonで学ぶGARCHモデル
演習の手順
- モデルのパラメータ、標準誤差、t統計量を取得し、データフレーム
para_summaryに保存します。 - パラメータ値とその標準誤差から手計算でt統計量を求め、結果を
calculated_tに保存します。 calculated_tを出力して確認します。para_summaryを出力して確認します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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(____)