MétaCan
Menu
Retour à la cohorte
Enregistrement W2145188471 · doi:10.5539/sar.v3n2p16

Can Farmers Receive Their Expected Seasonal Tomato Price in Ghana? A Probit Regression Analysis

2014· article· en· W2145188471 sur OpenAlexvenueno aff
Caleb Attoh, Edward Martey, Gladys Kwadzo, Prince M. Etwire, Alexander N. Wiredu

Notice bibliographique

RevueSustainable Agriculture Research · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomics of Agriculture and Food Markets
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProbitProbit modelProduction (economics)CommitEconomic shortageAgricultural economicsPromotion (chess)EconomicsCensored regression modelAgricultural scienceMultivariate probit modelCropBinomial regressionRegression analysisBusinessAgronomyBiologyMathematicsStatisticsEconometrics

Résumé

récupéré en direct d'OpenAlex

Tomato price is an important indicator for farmers to continue producing the crop in Ghana. There are sometimes alleged reports that farmers tend to commit suicide when they are unable to meet their expected tomato price and thereby unable to recover their cost of production. However, data available indicate that the domestic production of fresh tomato is on the decline. The paper therefore, assesses the factors that affect whether or not farmers can receive their expected tomato price. A multistaged sample survey of 215 farmers across three regions was subjected to the binomial probit model. Results indicate that for farmers to receive their expected price, they have to adapt to produce the crop in the drier seasons, where tomato shortage can be observed. Farmer education and experience are also important factors that are likely to help farmers receive their expected tomato price. The studytherefore recommends the promotion of strategies that are cost reducing especially in the dry season and also to improve access to critical production techniques.

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)0,009
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 enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,021
Tête enseignante GPT0,252
Écart entre enseignants0,231 · 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

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetEconomics of Agriculture and Food MarketsTravaux en français237 207