基于价格聚类方法的印度农产品市场整合测度与驱动因素分析

本研究针对印度农产品市场整合程度不足的问题，来自印度的研究团队创新性地采用Phillips和Sul提出的内生性聚类识别方法，对水稻、小麦、鹰嘴豆(chana)、花生、洋葱、土豆和番茄等大宗农产品的跨市场整合进行系统评估。研究发现所有农产品均未实现完全市场整合，且不同品类呈现差异化聚类特征。空间计量分析揭示地理位置和邻近区域整合状态是关键驱动因素，同时市场数量、交通基础设施和作物种植面积等变量具有显著影响，为制定区域性农产品流通政策提供了重要实证依据。

　　

这项开创性研究运用Phillips-Sul内生性聚类算法，对印度全域范围内的水稻(paddy)、小麦(wheat)、鹰嘴豆(chana)、花生(groundnut)、洋葱(onion)、土豆(potato)和番茄(tomato)七大农产品市场进行整合度检测。结果显示：所有农产品市场均存在非完全整合现象，价格收敛形成数量各异的聚类群，暗示不同品类间整合程度存在显著异质性。

通过稳健性检验证实，该结论与传统时间序列方法具有一致性。深入分析发现，空间依赖性和区位特征对市场整合具有决定性作用——当相邻行政区实现整合时，该区域整合概率显著提升，且该效应不受农产品品类限制。更值得关注的是，市场数量、交通连通性、硬化路面(metalled roads)密度以及作物种植面积等变量，均被证明是影响市场整合的关键驱动因子。

研究创新性地将先进计量经济学方法与农业经济问题相结合，不仅验证了价格聚类模型在农产品市场研究中的适用性，更为制定差异化的区域农产品流通政策提供了量化依据。这些发现对完善发展中国家农产品市场体系、优化资源配置具有重要指导价值。