Effect of Anchor Borrowers' Programme on the Income of Smallholder Maize Farmers in Kwara State, Nigeria
Notice bibliographique
Résumé
The paper investigated the effect of the Anchor Borrowersˈ Credit Scheme on the income of the smallholder maize farmers using the survey data obtained from 120 maize farmers in Kwara State, Nigeria. Data was analysed using descriptive statistics, Propensity Score Matching (PSM), Average Treatment effect on Treated (ATT), and Ordinary Least Square regression. Employing descriptive statistics, Farmers were characterised based on their socioeconomic attributes. Using the Propensity Score Matching (PSM) and Average Treatment effect on Treated (ATT), it was discovered that the scheme had a positive and significant effect on the income of the maize farmers, although this effect was the same among all beneficiaries of the scheme. The Ordinary Least Square regression was used to check for the differential effect of the scheme among the benefiting farmers and was found that the positive effect varies with the socioeconomic attributes of the farmers. The results showed a general improvement in the income of the farmers as a result of the scheme. However, the effect of the improvement was higher on beneficiaries with higher educational level, more farming experience as well as beneficiaries with larger farm size. The study findings provided documentation for policymakers for improving the delivery system of the scheme.
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 | 0,003 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».