用 t 统计量简化模型

除了 p 值，t 统计量也能帮助判断模型参数是否有必要。在本练习中，您将练习使用 t 统计量来评估模型参数的显著性。

t 统计量的计算方法是：用估计得到的参数值减去其期望均值（此处为 0），再除以该参数的标准误。t 统计量的绝对值可以视作一种距离度量，表示估计参数值距离 0 有多少个标准误。一个常用的经验法则是：如果 t 统计量大于 2，您可以拒绝原假设。

您将继续使用上一练习中的同一 GARCH 模型。模型拟合摘要可通过 gm_result 获取。

本练习是课程的一部分

Python 中的 GARCH 模型

查看课程

练习说明

获取模型参数、标准误和 t 统计量，并将其保存到数据框 para_summary 中。
使用参数值及其标准误手动计算 t 统计量，并将结果保存到 calculated_t 中。
打印并查看 calculated_t。
打印并查看 para_summary。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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(____)

编辑并运行代码