| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.2.1 研究目的 | 第10-11页 |
| 1.2.2 研究意义 | 第11页 |
| 1.3 研究内容、方法和技术路线 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 研究方法 | 第12-13页 |
| 1.3.3 技术路线 | 第13页 |
| 1.4 本文的主要贡献 | 第13-15页 |
| 第2章 文献综述与相关理论 | 第15-26页 |
| 2.1 文献综述 | 第15-20页 |
| 2.1.1 空间计量模型的文献综述 | 第15-18页 |
| 2.1.2 变量选择方法的文献综述 | 第18-19页 |
| 2.1.3 股票市场空间分析的文献综述 | 第19-20页 |
| 2.1.4 文献评述 | 第20页 |
| 2.2 相关理论 | 第20-26页 |
| 2.2.1 空间效应 | 第20-22页 |
| 2.2.2 财务信息与股票收益率 | 第22-24页 |
| 2.2.3 股票市场空间效应分析 | 第24-26页 |
| 第3章 残差正态下基于SAIC和SBIC的空间模型变量选择 | 第26-41页 |
| 3.1 基于SAIC准则的SAR模型变量选择研究 | 第26-34页 |
| 3.1.1 问题描述与基础假设 | 第26-29页 |
| 3.1.2 基于SAR模型的SAIC准则 | 第29-31页 |
| 3.1.3 基于SAIC准则变量选择的大样本性质 | 第31-34页 |
| 3.2 基于SBIC准则的SAR模型变量选择研究 | 第34-37页 |
| 3.2.1 基于SAR模型的SBIC准则 | 第34-35页 |
| 3.2.2 基于SBIC准则变量选择的大样本性质 | 第35-37页 |
| 3.3 在SARAR模型中的推广 | 第37-40页 |
| 3.3.1 SARAR模型的变量选择问题 | 第37-39页 |
| 3.3.2 SAIC准则和SBIC准则在SARAR模型中的推广 | 第39-40页 |
| 3.4 小结 | 第40-41页 |
| 第4章 残差任意分布下基于SGIC的空间模型变量选择 | 第41-48页 |
| 4.1 SGIC准则 | 第41-42页 |
| 4.2 SGIC准则的大样本性质 | 第42-44页 |
| 4.3 Monte Carlo模拟 | 第44-46页 |
| 4.3.1 DGP过程 | 第44-45页 |
| 4.3.2 结果分析 | 第45-46页 |
| 4.4 小结 | 第46-48页 |
| 第5章 实证应用 | 第48-60页 |
| 5.1 指标选取与描述性统计 | 第48-50页 |
| 5.1.1 指标选取与数据来源 | 第48-49页 |
| 5.1.2 描述性统计 | 第49-50页 |
| 5.2 股票收益率空间效应分析 | 第50-54页 |
| 5.2.1 股票市场空间效应的来源 | 第50-51页 |
| 5.2.2 空间权重矩阵的构造 | 第51-52页 |
| 5.2.3 空间相关性检验 | 第52-54页 |
| 5.3 变量选择 | 第54-59页 |
| 5.3.1 基于SGIC准则的变量选择与结果分析 | 第54-58页 |
| 5.3.2 稳健性检验 | 第58-59页 |
| 5.4 小结 | 第59-60页 |
| 第6章 结论 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 附录 | 第69-73页 |
| 攻读学位期间取得的研究成果 | 第73页 |
