Spatial Price Integration and Asymmetric Threshold Effects in Red Shallot Markets Between Urban and Rural Areas: Evidence from North Sumatra, Indonesia
Notice bibliographique
Résumé
This study investigates spatial price integration and asymmetric threshold effects in red shallot markets between rural and urban areas in North Sumatra, Indonesia.Using monthly consumer price data from 2018 to 2024 across six markets, we apply Johansen cointegration, Granger causality, Vector Error Correction Models (VECM), Threshold Vector Autoregression (TVAR), Impulse Response Functions (IRF), and Forecast Error Variance Decomposition (FEVD).Results confirm long-run price equilibrium among market pairs, with VECM indicating that 38% of price deviations are corrected monthly.Granger causality reveals directional asymmetries: short-distance markets exhibit rural-to-urban predictability, while long-distance pairs show bidirectional influence.TVAR identifies a non-linear threshold near IDR 1,200/kg, above which price transmission intensifies.IRF shows rural markets adjust more slowly to shocks from urban centers, particularly beyond 180km.FEVD results indicate that rural markets account for 22-47% of urban price variance under specific spatial conditions.These findings highlight how distance, asymmetry, and threshold dynamics shape price integration in perishable crop markets.The study offers new empirical insights for spatial food market governance and supports targeted infrastructure and information interventions to promote sustainable rural-urban integration.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».