Investment in Agriculture and Extractive Industry: A Panacea for National Development
Notice bibliographique
Résumé
Economic diversification into agriculture and extractive industry in Nigeria has been a fascinating and crucial economic issue that deserves consideration especially as the country is shifting from mono-economy (caused by oil boom) to other viable economic sectors. The global economic meltdown and depression have stimulated countries to look into other sectors of the economy in order to enhance their national development. Hence, this study tries to examine the contribution of agriculture and extractive industry to the Nigeria’s real gross domestic product (RGDP). The study makes use of time series data gathered from CBN Statistical Bulletin ranging from 1981-2017 and employs Ordinary Least Squares (OLS) method as the statistical tool with the aid of e-views version 9. The findings reveal that agriculture has a robust and noteworthy positive impact on RGDP while the solid mineral equally has a substantial positive influence on RGDP. However, crude petroleum (proxy for crude petroleum & natural gas) has a positive inconsequential effect on RGDP. This brings the study to a conclusion that investment in agriculture and solid minerals is highly imperative at the moment. Therefore, the study has suggested that economic diversification should be focused more on agriculture and solid mineral extraction. In addition, the government should try to manage the crude petroleum and natural gas exploration so as to prevent fund repatriation and transfer to other countries due to borrowed technology.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».