用 t 統計量簡化模型
除了 p 值之外，t 統計量也能幫助你判斷模型參數是否有必要。這個練習要帶你用 t 統計量評估模型參數的顯著性。
t 統計量的計算方式是：以估計的參數值減去其期望平均數（此處為 0），再除以該參數的標準誤。t 統計量的絕對值可視為一種距離度量，表示估計的參數距離 0 有幾個標準誤。經驗法則是：若 t 統計量大於 2，就可以拒絕虛無假設。
你會沿用上一個練習中的同一個 GARCH 模型。模型配適的摘要可以從 gm_result 取得。
本練習屬於課程
Python 中的 GARCH 模型
練習說明
- 取得模型參數、標準誤與 t 統計量，並將結果儲存到 DataFrame
para_summary。 - 使用參數值與其標準誤手動計算 t 統計量，並將結果儲存到
calculated_t。 - 印出並檢視
calculated_t。 - 印出並檢視
para_summary。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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(____)