The Role of Microfinance on Growth of Small-Scale Agribusinesses in Malawi: A Case of Lilongwe District
Notice bibliographique
Résumé
<p>The emergence and proliferation of Microfinance Institutions (MFIs) in Malawi gave rise to the need for empirical research to assess their role on growth of small-scale agribusiness entrepreneurs. The paper gives the details of the results of a study which was conducted in Malawi to analyze the role of microfinance on the growth of small-scale agribusinesses in Lilongwe District. A financing constraint approach was applied using logit model to determine factors affecting investments of small-scale agribusiness entrepreneurs. The approach stipulates that entrepreneurs in areas with significant presence of MFIs (unconstrained) rely less on internal funds (average profits) for their investment decisions than areas with limited presence of MFIs (constrained). A T-test was also used to compare investment levels of unconstrained and constrained firms to support the results obtained from the financing constraint approach.</p><p>Loans were among the products which were found to be offered by MFIs although their accessibility was affected by, among others, high interest rates. The logit model revealed that for each additional profit the probability of investment decreased by 46 percent in constrained firms and 39 percent in unconstrained firms. However, the T-test results revealed no significant difference in levels of investments between unconstrained firms and constrained firms. These results show no significant role of MFIs on growth of small-scale agribusiness entrepreneur. The results have insinuated the review of MFI loans conditions such as interest rates if they are to have a significant role on growth of small-scale agribusiness entrepreneurs.</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 | 0,001 | 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 | 0,001 | 0,000 |
| 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 ».