一家店能开在哪里，本来就经过筛选：商家会挑客流、交通或竞争条件更合适的地段。如果这些未被观测的地方特征也影响关店，研究者就可能把“选址造成的差异”误认成经营规律。这篇论文检验的正是这种选择偏差，即偏好抽样——观测地点的形成与研究结局共享隐藏的空间因素。
作者把两个过程放进同一个 Bayesian 联合模型：LGCP（用一张平滑的隐藏空间表面描述门店为何聚集）负责解释选址，空间 probit 模型负责解释门店处于营业还是关闭状态；两者共享空间效应，并用一个载荷参数衡量“吸引门店的因素”是否也关联存续。东京 23 个特别区的分析样本包含 999 家迷你超市，其中 897 家营业、102 家关闭。作者估计该载荷接近零，95% 可信区间跨过零，加入或不加入偏好抽样机制时，回归系数也几乎不变，因此没有发现明确的残余选址偏差；靠近大型超市则是最稳健的关店风险因素。
值得注意的是，这里的“存续”只有营业或关闭这一二元结局，并非记录从开业到关店时间的标准生存分析。作者也提醒，关闭门店仅 102 家，载荷估计仍不精确。