MétaCan
Menu
Retour à la cohorte
Enregistrement W3123299410 · doi:10.5539/sar.v10n2p1

Market Participation and Farm Profitability: The Case of Northern Ghana

2021· article· en· W3123299410 sur OpenAlexvenueno aff
Agness Mzyece

Notice bibliographique

RevueSustainable Agriculture Research · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesUnited States Agency for International Development
Mots-clésProfitability indexEndogeneityGross marginAgricultural economicsTransaction costProfit maximizationAgribusinessProfit (economics)EconomicsProduction (economics)Profit marginBusinessSample (material)Agricultural scienceEconometricsAgricultureMicroeconomicsMarketingGeography

Résumé

récupéré en direct d'OpenAlex

This study examines the effect of quantity sold (sales volume) on profitability of market participating smallholder farmers in northern Ghana. Market participation has been shown to be important for increasing incomes and improving production efficiency for farm households but still remains low in SSA. While agribusiness and development experts generally advocate for more intensive market participation, it is not clear if selling more results in more profits for smallholder farmers in remote markets that are prone to exorbitant transaction costs. The data used in this study is from the APS survey conducted in 2013 and 2014 in Northern Ghana which had a sample size of 527. The study is based on the theory of profit maximization, in which separability is inferred from observed market participation. OLS regression is used for empirical estimation after rejecting the hypothesis of endogeneity in the model. Mean gross margin/ kg across four groups of farmers ranked by quantity sold is also statistically examined. The results confirm the existence of economies of scale and also show that different crops have different effects on profitability. The results also show that although unambiguously positive, the relationship between quantity sold and profitability may not be linear.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,503
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,052
Tête enseignante GPT0,340
Écart entre enseignants0,289 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetAgricultural Innovations and PracticesTravaux en français237 207