Socio-Economic Factors and Women’s Empowerment: Evidence from Punjab, Pakistan
Notice bibliographique
Résumé
The empowerment of women is an essential objective to fully engage them in economic life and achieve sustainable growth throughout the world. Providing basic facilities to women is one form of empowerment. This paper examines the extent of women’s empowerment in Punjab, Pakistan and its divisions, along with rural and urban regions. In addition, we check the effect of the gender wage differential on the current dilemma by implementing Alkire et al.’s [2013.The women’s empowerment in agriculture index (Working Paper No. 58). Oxford, UK: Oxford Poverty and Human Development Initiative. Retrieved from https://www.ophi.org.uk/wp-content/uploads/ophi-wp-58.pdf.] indexing on HIES 2013–14 datasets. Our results show that 34.91% of women are empowered in Punjab overall, with independence being the highest dimensional contributor, and ownership of assets being the least. Women are 31.43% more empowered in urban regions. The results indicate that Islamabad has significantly more women’s empowerment, while Dera Ghazi Khan has the lowest percentage of empowered women. To assess particular impacts of different socio-economic and demographic variables on women’s empowerment, logistic regression model is applied, revealing that most socio-economic and demographic variables have significant impacts on the current scenario, and variation in any variable causes significant variations in the status of women’s empowerment, with increased wage differential in particular, decreasing the probability of women being empowered.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».