Upraszczanie modelu za pomocą p-wartości

Leonardo da Vinci powiedział kiedyś: „Prostota jest szczytem wyrafinowania." To zdanie sprawdza się również w modelowaniu danych. W tym ćwiczeniu przećwiczysz użycie p-wartości do oceny zasadności parametrów modelu i zdefiniujesz model oszczędny – pozbawiony nieistotnych parametrów.

Hipoteza zerowa zakłada, że wartość parametru wynosi zero. Jeśli p-wartość jest większa niż przyjęty poziom istotności, hipotezy zerowej nie można odrzucić – oznacza to, że parametr nie jest istotny statystycznie i można go pominąć.

Model GARCH został już zdefiniowany i dopasowany do danych o zwrotach Bitcoina. Wynik modelu jest zapisany w gm_result.