Explaining Why Farmers Grow Tobacco: Evidence From Malawi, Kenya, and Zambia
Notice bibliographique
Résumé
INTRODUCTION: Tobacco production continues to increase in low- and middle-income countries creating complications for tobacco control efforts. There is the need to understand and address the global tobacco leaf supply as a means of decreasing tobacco consumption and improving farmers livelihoods in line with Article 17 of the WHO Framework Convention on Tobacco Control. This study aims to understand the reasons why farmers grow tobacco and identify factors that influence these reasons. METHODS: Primary survey data (N = 1770) collected in Kenya, Malawi, and Zambia in the 2013-2014 farming season. Data analysis uses both descriptive and multinomial logistical regression methods. RESULTS: Majority of farmers started and are currently growing tobacco because they believed it was the only economically viable crop. Compared with Malawi, farmers in Kenya and Zambia have a 0.2 and 0.4 lower probability of growing tobacco, respectively because they perceive it as the only economically viable crop, but a 0.04 and 0.2 higher probability of growing tobacco, respectively because they believe it is highly lucrative. There are district/county differences in the reasons provided with some districts having a majority of the farmers citing the existence of a ready market or incentives from the tobacco industry. Statistically significant factors influencing these reasons are the educational level and age of the household head, land allocated to tobacco and debts. CONCLUSION: There is the need to address the unique features of each district to increase successful uptake of alternative livelihoods. One consistent finding is that farmers' perceived economic viability contributes to tobacco growing. IMPLICATIONS: This study finds that perceived economic viability of tobacco is the dominant factor in the decisions to grow tobacco by smallholder farmers in Malawi, Kenya, and Zambia. There is the need to more deeply understand what contributes to farmers' perceived viability of a crop. Understanding and addressing these factors may increase the successful uptake of alternative livelihoods to tobacco. Furthermore, this study demonstrates that a one-size fits all alternative livelihood intervention is less likely to be effective as each district has unique features affecting farmers' decisions on growing tobacco.
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 | 0,002 | 0,001 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».