Economic Analysis of Smallholder Maize Producers: Empirical Evidence From Helmand, Afghanistan
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
Since war started at the end of 2001, the economy was severely devasted in Afghanistan, especially for the agriculture sector. Maize is the third most important cereal crop in Afghanistan, but the productivity of maize has a declining trend which may be caused by low efficiency of maize farmers nowadays. This study examines the production efficiency of maize producers and its important factors with the cross-sectional data form a multi-stage sampling survey of 250 maize producers in Helmand province in 2019. With the adoption of stochastic production frontier (SPF) model and production cost function, the paper gets the estimations of the average technical efficiency (0.737), allocative efficiency (0.65) and economic efficiency (0.568). The inputs, including land, labor, seed, fertilizer and pesticide/weedicides, have significant impacts on maize production and most of the farms exhibit an increasing return to scales. In addition, Tobit regression was applied to identify the influential factors of the production efficiencies for maize producers and the results indicate that education, family size, farm size, farming experience, contact to extension services and access to credit have significantly influence on the efficiency level. Finally, the study suggests that government should take some initiatives, such as extending the agricultural extension service, ensuring supply of high quality seeds and sufficient fertilizer with affordable prices and economical provision of mobile internet facility in remote areas, which will enhance the productivity and efficiency of the farmers and ultimately boost up their economic welfare and livelihood.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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