Impacts of Agricultural Cooperatives on Farmers’ Revenues in Cambodia: A Case Study of Tram Kak District, Takeo Province
Notice bibliographique
Résumé
Agricultural cooperatives in Cambodia have been promoted with the aim of increasing agricultural production and farmers’ revenues. The objectives of this study are to identify factors influencing farmers’ decision on membership in agricultural cooperatives, and to assess the impact of being a member in those cooperatives on farmers’ revenues from paddy, livestock and farm. Cross-sectional data from interviews of 242 households in Tram Kak District, Takeo Province were used. The probit model and propensity score matching were employed to achieve the objectives. The results show that farmers who sold their paddy and had been contacted by extension workers from the government agency and non-governmental organizations (NGOs) are more likely to join the cooperatives while male-headed household farmers and farmers who have high off-farm income are less likely to become members of the cooperatives. Moreover, the results of propensity score matching reveal that agricultural cooperatives have no impact on paddy yields and paddy revenue due to the fact that agricultural cooperatives do not provide sufficient training to their members, and members did not actively attend those trainings provided. Also, the cooperatives have failed to provide members better prices for their paddy. There are positive impacts on their livestock and farm revenues through increasing livestock and other crop production when agricultural cooperatives provide livestock and other crop training to their members. However, there is no impact on non-members if they join the cooperatives as they have higher off-farm income, less paddy land size and fewer laborers that are not favorable to taking on other farming activities.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| 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 ».