Förenkla modellen med t-statistikor
Förutom p-värden kan t-statistikor också hjälpa till att avgöra om modellparametrar är nödvändiga. I den här övningen tränar du på att använda t-statistikor för att bedöma signifikansen hos modellparametrar.
T-statistikan beräknas som det skattade parametervärdet minus dess förväntade medelvärde (noll i det här fallet), delat med dess standardfel. Absolutvärdet av t-statistikan är ett avståndsmått som anger hur många standardfel den skattade parametern befinner sig från 0. Som tumregel kan du förkasta nollhypotesen om t-statistikan är större än 2.
Du arbetar med samma GARCH-modell som i föregående övning. Du kan ta del av modellens anpassningssammanfattning i gm_result.
Den här övningen är en del av kursen
GARCH-modeller i Python
Övningsinstruktioner
- Hämta modellparametrar, standardfel och t-statistikor, och spara dem i DataFrame:n
para_summary. - Beräkna t-statistikorna manuellt med hjälp av parametervärden och deras standardfel, och spara resultatet i
calculated_t. - Skriv ut och granska
calculated_t. - Skriv ut och granska
para_summary.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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(____)