Determinants and Change in Total Factor Productivity of Smallholder Maize Production in Southern Zambia
Notice bibliographique
Résumé
Smallholder maize production in Zambia has been characterised by low productivity despite concerted efforts at improving the situation as is evident in budgetary allocations to programmes such as the Farmer Input Support Programme (FISP). The study assessed if there was a change in total factor productivity (TFP) in smallholder maize production in Southern Province of Zambia between the 2010/11 and 2013/14 agricultural seasons. Using a balanced panel of 778 smallholder farmers, a Stochastic Frontier Analysis was used to estimate the Malmquist Productivity Index (MPI) in measuring the productivity change in maize production. The change in TFP was further decomposed into its components, efficiency change (EC) and technical change (TC) so as to understand more on the change in productivity. It was found that over the period of study, the mean EC was 0.8734, implying that technical efficiency (TE) had declined by 12.7 % with the mean TFP of 0.9401, indicating that over the study period TFP had fallen by 5.99 %. The results further showed that the age of the farmer, education of the farmer, household size, membership to a farmer organization, ownership of cattle, access to credit, and drought stress were significant (ρ<0.05) factors in explaining TFP. In light of the findings, some recommendations were made for policy including the need to facilitate farmers’ access to credit, sensitize farmers on the benefits of belonging to farmer organizations, on ownership of livestock such as cattle and for massive investment in irrigation infrastructure.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».