1. Learn
    2. /
  2. Курси
    3. /
  3. Моделі GARCH у Python
Connected

Вправа

Спрощення моделі за допомогою t-статистики

Окрім p-значень, t-статистика також допомагає вирішити, чи потрібні параметри моделі. У цій вправі ви попрактикуєтеся використовувати t-статистику, щоб оцінити значущість параметрів моделі.

T-статистика обчислюється як оцінене значення параметра мінус його сподіване середнє (у цьому разі нуль), поділене на його стандартну похибку. Абсолютне значення t-статистики — це міра відстані, яка показує, на скільки стандартних похибок оцінений параметр віддалений від 0. Як практичне правило: якщо t-статистика більша за 2, нульову гіпотезу можна відхилити.

Ви працюватимете з тією самою GARCH-моделлю, що й у попередній вправі. Доступ до підсумку підгонки моделі — в об'єкті gm_result.

Інструкції

100 XP
  • Отримайте параметри моделі, стандартні похибки та t-статистики і збережіть їх у датафреймі para_summary.
  • Обчисліть t-статистики вручну, використовуючи значення параметрів та їхні стандартні похибки, і збережіть результат обчислення в calculated_t.
  • Виведіть і перегляньте calculated_t.
  • Виведіть і перегляньте para_summary.