Demographic Effects on Fertility Among Reproductive Aged Women in Ghana. A Demographic and Health Survey Analysis
Notice bibliographique
Résumé
In this paper, we argue that fertility is among the key components in the demographic transition process of many global economies. The study used the 2014 Ghana Demographic and Health Survey. We applied the conventional neo-classical consumer-theoretic approach to model the demand of children. The study aimed to estimate the demographic effects on fertility among women of reproductive age 15-49 in Ghana using the negative binomial regression. The results indicated that the age of women at first births, mother’s years of education, number of unions, wealth level, women occupations, Partners occupation, contraceptive use and intention, marital status, are significant and negatively associated with the number of children ever born. However, current age of the woman, fertility preference, decision maker on contraceptive use, child sex, number of living children and experienced of the death of a son and/or daughter resulting from replacement effect and hoarding effects and residing in rural areas have positively and significantly influence fertility in Ghana. We recorded variations in the effects of some variables in total, urban and rural samples. We conclude that reduction in child mortality, increasing women access of formal education, increasing women power in decision making on contraceptive use, increasing access to and use of contraceptives as well as reducing income disparity between urban and rural population by providing employment opportunities in rural areas are keys policy issues that could help achieve fertility reduction in Ghana.
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 | 0,015 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».