Effect of Agricultural Credit Access on Rice Productivity: Evidence from the Irrigated Area of Anambe Basin, Senegal
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
Rice is an important staple food in many developing countries, especially in Senegal. However, rice production in Senegal only meet 20% of the domestic demand largely due to the poor performance of rice farmers and low productivity. Access to agricultural credit has strong impacts on the technical efficiency of farmers and would promote inputs and new technology adoption. But that is not clear enough in previous studies. This study investigates the impact of agricultural credit access on rice productivity and technical efficiency with 260 random sampled rice farmers from Anambe basin in Senegal. The Stochastic Frontier Analysis (SFA) was adopted to estimate the technical efficiency. The results indicate that the inputs of rice production, including labor, pesticide, herbicides and fertilizer, have significant impacts on rice productivity. Furthermore, the results present that the average efficiency is of 0.813 and the inefficiency estimation model reveals that the influences of agricultural credit access, gender, education, ethnicity, use of improved seed and land tenure system on technical inefficiency of rice production are significant. Particularly, for the access to agricultural credit, rice farmers without agricultural credit would get 3.8% higher production inefficiency. The farmers with access to credit yield 37.32% higher rice production than their counterparts. Therefore, our study provides strong empirical evidence to promote agricultural credit in rice production.
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 | 0,009 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,005 | 0,001 |
| 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