Commodity Storage, Post-Harvest Losses, and Food Security: Panel Data Evidence from Ethiopia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract In Ethiopia, 95 % of total agricultural output comes from some 11 million smallholder farmers. A relatively significant proportion of the food grown in the country is stored at the household level by smallholder farm households, mainly for own consumption. Storage losses, generally perceived to be high, have significant implications for household food security. This study provides a microeconomic perspective of commodity storage, post-harvest losses (PHL), and food security in Ethiopia. It relies on a large-scale household panel dataset, the Ethiopia Socioeconomic Survey (ESS), which comprises 4,000 households in rural areas and small towns that are representative of the most populous regions of Ethiopia. The data were collected as part of the World Bank’s LSMS-ISA project; it involved three “waves” or collection periods: 2011/12, 2013/14, and 2015/16. Data from only the second and third waves were used to estimate a random-effects probit model. Findings show that the magnitude of PHL is substantial: damage is due to rodents and rotting related to traditional storage facilities, poor ventilation, humidity/temperature, and undesirable post-harvest handling. Findings also show that PHL decreases with better market access and improved storage practices. Mitigation measures that improve and promote modern grain storage facilities appear to provide a double dividend – reducing PHL while addressing food insecurity.
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.
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 | 0,001 |
| 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 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle