Analysis of Factors Influencing Marketing Channel Choices by Smallholder Farmers: A Case Study of Paddy Product in Wet and Dry Season of Prey Veng Province, Cambodia
Notice bibliographique
Résumé
This study analyzes factors influencing marketing channels that were chosen by paddy smallholder farmers in the wet and dry season. The aims focused on determining the factors influence marketing channel choices to be able to reveal out the need for smallholder farmers to increase their productions and investments to formulate policies to enhance them such as increasing revenue, poverty alleviation, food security, and sustainable development. The primary data was collected through structured and semi-structured interviews with 216 smallholder farmers cultivated in both seasons, 12 collectors, 12 traders, 12 millers, 6 wholesalers, and 6 retailers by analyzed with Multinomial Logit. Results revealed that socio-economic, institutional, and marketing factors were different statistically significant influence into marketing channel choices in both seasons. These findings relate to factors that need to resolve and stimulate smallholder farmers to choose the right marketing channels by suggestion to policymakers. The outcomes of policies aim to stimulate and encourage extension office to support, sharing experiences, and knowledge to smallholder farmers who older, low experiences, and low educations. To improve extension services by the focus on telecommunications, storage facilities, and rural infrastructures. Moreover, urge smallholder farmers to market participation, and enhance market competitions. Finally, the policymakers should work efforts to improve and enhance the ongoing investments in the water supporting such as small, medium, large irrigation systems, and so forth for reducing the constraints.
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 | 0,002 |
| 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 ».