Policies and Socio-economics influencing on Agricultural Production: A Case Study on Maize Production in Bokeo Province, Laos.
Notice bibliographique
Résumé
<p>Since 2005s, agricultural land in northern Laos has become to be dominated by maize mono-cropping. The rapid expansion of this commercial crop has the resulted of policy implementations and demand of maize from the neighboring countries. The purpose of this study was aim to analyze the impact of commercial agricultural policy and socio-economic factors influencing on maize production in Houyxai Distirct, Bokeo Province of Laos. A survey of 98 maize farmers by face to face interviews was conducted in September 2010. Ordinary Least Square regression model was applied in order to explain how these policies and socio-economic factors effect to farmers and contribute to maize production. The results revealed that 94% of the variation in maize production (ton) is explained by the selected explanatory variables. Seven variables have a positive significant and one variable has a negative effect on maize production volume. The results also demonstrated that the most important effect to maize production is a “policy push” mainly variables of farmland, farmer organization, support market and credit access and a “market pull” by private sectors with providing input factors namely seeds, land preparation and techniques. Therefore, the government should look at the way of credit providing system that may effect in high production cost, at the same time the expansion of farm size is needed to take into account.</p>
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».