Is There Any Relationship Between Agricultural Performance and Inclusive Growth Iin Nigeria
Notice bibliographique
Résumé
In examining the initial role of the Agricultural sector in Nigeria, the sector is seen to be an indispensable sector in establishing the framework for the nationâÂÂs economic growth. Hence, increased agricultural production is expected to be a core pre-requisite for rapid economic growth in a developing nation like Nigeria. Efforts by the successive governments to sustain the countryâÂÂs agricultural sector are evident in various yearly allocations to this sector with respect to lending and budgetary provisions. However, the issue of concern is, why has the increase in government financing of the agricultural sector not translated into the expected increase in agricultural inclusive growth. It is therefore, worthy of note that the neglect of this sector overtime has brought about an increase in rural poverty, migration, hunger and crimes, in the last few years of our economic growth. Hence, this study assesses the impact of agricultural performance on inclusive growth in Nigeria. Using Johansen Co-integration test and fully-Modified Ordinary Least Square. The study found a long run relationship among the variables of interest, while agricultural financing exact more long run effect on per capita income (economic inclusive growth indicator). This paper concludes that, government should invest more in activities that promotes agricultural gains and leads to pro-poor growth, in addition to broadly aligning agricultural spending, in order to stimulate qualitative growth in the sector by giving regular financial support to farmers. Such support however, must be monitored and periodically reviewed in order to access its effectiveness and prevent misallocation of funds.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».