计算单变量的Newey-West的t值

对于单时间序列Y，我们可以通过t检验的方式，检验其是否显著异于0。而如果要计算它的Newey-West的t值，则无法通过常规方法来做，只能用以下方法：
我们用Y对常数1序列做OLS回归，那么回归系数便是Y的期望均值。如果给这次回归设置Newey-West调整，那么回归系数的t值便是Y的Newey-West的t值。

import pandas as pd
import numpy as np
import statsmodels.api as sm

#创建数据
Y=[9.93,4.45,9.68,-35.26,-28.21,-0.23,9.08,-11.97,-30.3,6.81,78.74,-20.16,-59.73,-65.43,10.22,-27.65,-16.31,3.41,9.33,-1.92,16.55,16.46,-12.61,-9.89]
data=pd.DataFrame({'Y':Y,'X1':[1]*len(Y)})

#拟合模型
X=data['X1']#解释变量
Y=data['Y']#被解释变量
#如果采用Newey-West 标准误差，'maxlags'可以调整滞后阶数，一般常用6阶，则使用：
model = sm.OLS(Y, X).fit(cov_type='HAC',cov_kwds={'maxlags':6})#模型拟合

#均值
mean=model.params

#Newey-West的t值
t_Newey_West=model.tvalues.values[0]
#普通t值
t=Y.mean(axis=0)/(Y.std(axis=0)/np.sqrt(len(Y)))