Determinants of Participation Decision in Cassava Marketing by Smallholder Farmers in Taita-Taveta and Kilifi Counties, Kenya
Notice bibliographique
Résumé
Cassava is an important food crop with high production potential in different agroecological zones across the world. Cassava is also a drought tolerant crop performing well in arid and semi-arid areas. Cassava has a great potential as both a food security and industrial crop. In addition, as a drought tolerant crop, it is fits very well as a climate smart crop in the face of climate change. However, the cassava industry and value chain in Kenya is still underdeveloped and therefore there are many cassava marketing opportunities that are yet to be exploited. This study analyses factors that influence smallholder farmers’ decision to participate in cassava marketing in Taita-Taveta and Kilifi Counties in Kenya. Data was collected using semi-structured questionnaires from a sample of 250 smallholder cassava farmers. Descriptive statistics were used to analyse the socio-economic characteristics of respondents while a binary Probit model was used to analyse the socio-economic factors that influence farmers’ participation decision in cassava marketing. The results of the binary Probit model show that, sex of the head of a household, access to extension services, price of cassava products and quantity harvested had a positive and significant influence on market participation decision while years of schooling, household size and farm size had a negative and significant influence on the market participation decision. Therefore, based on the findings, the study recommended policy interventions targeting organization and coordination of the cassava marketing system and provision of appropriate incentives to farmers to enhance market participation.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».