MétaCan
Menu
Retour à la cohorte
Enregistrement W2092585033 · doi:10.5539/ijef.v4n6p32

Investments in Land Conservation in the Ethiopian Highlands: A Household Plot-level Analysis of the Roles of Poverty, Tenure Security, and Market Incentives

2012· article· en· W2092585033 sur OpenAlexvenueno aff
Genanew Bekele Worku, Alemu Mekonnen

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLand Rights and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIncentiveLand tenureInvestment (military)PovertyLand titlingLeverage (statistics)ProductivityEconomicsPanel dataLand degradationBusinessNatural resource economicsGovernment (linguistics)Public economicsLand useEconomic growthGeographyAgricultureMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Land degradation is a major problem undermining land productivity in the highlands of Ethiopia. This paper analyses the decisions made by individual household to adopt and intensify land conservation investment. The paper used a Box-Cox Double Hurdle specification and offers the advantage of exploiting panel data collected in a household survey of 6,408 plots in Ethiopia. The results suggest that adoption and intensification decisions appear to be explained by different processes, justifying the use of Box-Cox double hurdle approach over more restrictive models. Poverty-related factors seem to have mixed effect on both adoption and intensification decisions. While farmer's adoption decision is affected by expectation of the certainty of cultivating the land for the next five years (risk for long term), intensification of land conservation investment is determined by whether or not the plot is owner-operated (risk for immediate period) and plot-home distance. A lesson for policymakers is that major changes in land conservation investments will require attention to many factors because no single factor can be used as a major policy leverage instrument. Some of these factors (such as land tenure security, plot size, and total farm holdings) can be directly influenced by government policies and programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,212
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetLand Rights and ReformsTravaux en français237 207