Marked point processes intensity estimation using sparse group Lasso method applied to locations of lucrative and cooperative banks in mainland France
基于稀疏组Lasso的标记点过程强度估计：法国本土营利性与合作银行网点选址AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要主题为空间点过程强度估计与银行网点选址，属于空间统计与地理应用，未涉及所提供领域细分中的因果推断、面板、时间序列、资产定价等方向，故不选择。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于稀疏组Lasso的标记点过程强度估计：法国本土营利性与合作银行网点选址
- 研究问题
- 摘要称，本文研究法国本土五家主要银行（两家营利性、三家合作制）网点选址的空间分布规律，并考察社会经济因素如何解释其强度差异。
- 方法与思路
- 作者通过网络抓取收集银行网点位置，将其视为二元空间点过程；先非参数估计强度、Ripley K 与交叉 Ripley K 函数，再结合 INSEE 社会经济协变量建立参数化强度模型，提出组惩罚的二元复合似然方法估计参数并给出渐近性质。
- 材料陈述的贡献
- 摘要称，描述性分析显示分布高度非齐次且在小尺度上存在聚集，显著偏离二元非齐次泊松过程；所提组惩罚复合似然方法被用于银行数据，为合作制银行模式的特殊性、尤其与制度同构理论的关系提供新见解。
- 阅读关注点
- 阅读全文时应核对：组惩罚的具体形式与调参方式、复合似然渐近性质的假设条件、协变量选取与空间尺度设定，以及结论在多大程度上支持制度同构解释而非仅描述相关。
- 阅读边界
- 仅凭摘要无法判断估计量的有限样本表现、惩罚项选择是否稳健、抓取数据的完整性与时间截面，也无法验证制度同构解释的因果性；该文为 arXiv 预印本，未经同行评审，不能据此声称已被期刊接收。
原文摘要
In this paper, we model the locations of five major banks in mainland France, two lucrative and three cooperative institutions based on socio-economic considerations. Locations of banks are collected using web scrapping and constitute a bivariate spatial point process for which we estimate nonparametrically summary functions (intensity, Ripley and cross-Ripley's K functions). This shows that the pattern is highly inhomogenenous and exhibits a clustering effect especially at small scales, and thus a significant departure to the bivariate (inhomogeneous) Poisson point process is pointed out. We also collect socio-economic datasets (at the living area level) from INSEE and propose a parametric modelling of the intensity function using these covariates. We propose a group-penalized bivariate composite likelihood method to estimate the model parameters, and we establish its asymptotic properties. The application of the methodology to the banking dataset provides new insights into the specificity of the cooperative model within the sector, particularly in relation to the theories of institutional isomorphism.