Simplifique o modelo com estatísticas t
Além dos p-values, as estatísticas t também podem ajudar a decidir a necessidade dos parâmetros do modelo. Neste exercício, você vai praticar o uso de estatísticas t para avaliar a significância dos parâmetros do modelo.
A estatística t é calculada como o valor estimado do parâmetro menos sua média esperada (zero neste caso), dividido pelo seu erro-padrão. O valor absoluto da estatística t é uma medida de distância que indica quantos erros-padrão separam o parâmetro estimado de 0. Como regra prática, se a estatística t for maior que 2, você pode rejeitar a hipótese nula.
Você trabalhará com o mesmo modelo GARCH do exercício anterior. Você pode acessar o resumo do ajuste do modelo em gm_result.
Este exercício faz parte do curso
Modelos GARCH em Python
Instruções do exercício
- Obtenha os parâmetros do modelo, os erros-padrão e a estatística t e salve-os no DataFrame
para_summary. - Calcule manualmente as estatísticas t usando os valores dos parâmetros e seus erros-padrão, e salve o resultado do cálculo em
calculated_t. - Imprima e revise
calculated_t. - Imprima e revise
para_summary.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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(____)