The impact of beekeeping on household income: evidence from north-western Ethiopia
Notice bibliographique
Résumé
The existing literature acknowledges the benefits of beekeeping as a livelihood diversification strategy and income source for farmers across the world. However, the impact of beekeeping on income at household level has rarely been quantified. Furthermore, the few existing studies provide conflicting evidence and the methods quantifying the impact of participating in beekeeping are not rigorous. In this study, we identify key determinants of such participation and quantify the impact of beekeeping on household income. We use a cross-sectional data set collected from 392 randomly selected households in north-western Ethiopia, employing the endogenous switching regression model with estimated treatment effects. Unlike the methods used by previous studies, the approach adopted here enabled the control of observed and unobserved heterogeneities that affect not only the decision to participate in beekeeping, but also income differences among households. The results show that there are important differences between beekeepers and non-beekeepers in terms of their skills and resource endowments. After these differences were controlled for, beekeeping participation was found to increase income by 3,418 Ethiopian Birr (ETB) per person, namely a 51% increase. Furthermore, it was estimated that households not participating in beekeeping could have increased their income by ETB 442 per person (an 11% increase) had they become beekeepers. These findings indicate that income gains from beekeeping participation are 22-44 percentage points higher than benefits reported by previous studies. Capitalising on the existing beekeeping policy, targeted beekeeping extension to farmers could contribute to closing gaps in skills and resource endowments and, hence, minimising differences in income.
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 | 0,000 | 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 | 0,001 | 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 ».