MétaCan
Menu
Retour à la cohorte
Enregistrement W2603471740 · doi:10.1080/03031853.2020.1742747

Gendered analysis of the demand for poultry feed in Kenya

2020· article· en· W2603471740 sur OpenAlexfundno aff
John Macharia, Gracious Diiro, John R. Busienei, Kimpei Munei, Hippolyte Affognon, Sunday Ekesi, Beatrice Muriithi, Dorothy Nakimbugwe, Chrysantus M. Tanga, Komi K. M. Fiaboe

Notice bibliographique

RevueAgrekon · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueLivestock and Poultry Management
Établissements canadiensnon disponible
Organismes subventionnairesAustralian Centre for International Agricultural ResearchInternational Development Research Centre
Mots-clésEconomicsLivestockAgricultural economicsEconometricsBiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACTThis paper uses a translog cost function approach to study the farm-level demand for poultry feed in Kenya. The study estimates the demand elasticities of the three common types of poultry feed; mixed feed, grain, and leafy vegetables. The estimated model was used to obtain estimates of Marshallian demand elasticities for poultry feed in Kenya for male-headed and female-headed households. The elasticities reported can be used by researchers and policy analysts to evaluate policy effects of changes in feed demand quantities within the livestock economy in Kenya. Moreover, these parameters can provide more reliable estimates of the total change in feed demand than relying on subjective measures of elasticities. Furthermore, the results of this study are essential in enhancing gender equitable policy formulation. Our findings show that own price elasticities of demand for all the feed types are negative and less than unit in absolute value for the sample of farmers surveyed, indicating that the feed types are relatively inelastic. The cross-price elasticities indicate that vegetables and grain are compliments while the rest of the poultry feed types are substitutes. The results also show that there are substantial gender differences in feed demand and elasticities of feed demand with respect to feed prices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,071
Score d'incertitude au seuil0,093

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,035
Tête enseignante GPT0,224
Écart entre enseignants0,189 · 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 tête enseignante, 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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgrekonMême sujetLivestock and Poultry ManagementTravaux en français237 207