Consumers’ Willingness to Pay for Cassava Flour Inclusion in Bread, a Case Study of Lagos State, Nigeria
Notice bibliographique
Résumé
<p>The study was conducted to address the issue of consumers’ willingness to pay for inclusion of cassava flour in bread in Lagos State. The data were collected randomly from a sample of 300 respondents in the state through the use of a well structured questionnaire. The contingent valuation method was adopted to estimate both the mean willingness to pay of consumers and the factors that affect their willingness to pay and these were analyzed using the bivariate probit model. The most significant model was the 10percent cassava flour inclusion as it has the highest number of significant variables (eight) followed by 20percent cassava flour inclusion with seven significant variables and 30 and 40percent cassava flour inclusion with six significant variables each. The factors that influenced consumers’ willingness to pay for CCW bread were the respondent’s age, gender, respondents’ awareness, married respondents, respondents with head position<em>,</em>and bread share which is the<em> </em>proportion of respondents income spent on bread to total income. The mean willingness to pay for bread with an inclusion of cassava flour at 10, 20, 30, and 40percent cassava flour inclusion were ?172.70, ?165.00, ?154.07, and ?142.78 respectively for initial bid while the mean willingness-to-pay at 10, 20, 30, and 40percent cassava flour inclusion were ?180.20, ?150.41, ?143.35, and ?127.36 respectively for subsequent bid. Arising from the result of this study, birth control policies were recommended among respondents in the study area.</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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».