MétaCan
Menu
Retour à la cohorte
Enregistrement W4311030155 · doi:10.1002/agr.21788

Nonfarm entrepreneurship, crop output, and household welfare in Tanzania: An exploration of transmission channels

2022· article· en· W4311030155 sur OpenAlexaff
Laura Barasa, Bethuel Kinyanjui Kinuthia, Abdelkrim Araar, Stephene Maende, Faith Mariera

Notice bibliographique

RevueAgribusiness · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensUniversité Laval
Organismes subventionnairesDepartment for International Development
Mots-clésNonfarm payrollsEconomicsWelfarePanel dataAgricultural economicsEntrepreneurshipAgricultureEndogeneityProduction (economics)Cash cropTanzaniaLabour economicsSocioeconomicsGeographyEconometricsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract This study analyzes panel data from the Tanzania Living Standards Measurement Study‐Integrated Surveys on Agriculture by the World Bank to investigate the impact of nonfarm entrepreneurship as a nonfarm activity on the value of crop output and household welfare, and to explore the potential transmission channels among rural farm households. Using a dynamic panel model to address endogeneity, our results reveal that nonfarm entrepreneurship has a positive impact on the value of crop output and household welfare. Our findings suggest that income from nonfarm entrepreneurship may enhance crop output through crop production technology and credit access, and household welfare through an increase in consumption expenditure and food expenditure as potential transmission mechanisms. Policies that enhance nonfarm entrepreneurship may also reinforce crop production and the welfare of farm households and are thus imperative. We suggest that policies that boost nonfarm sector growth such as agro‐processing and agribusiness enterprise development might achieve the twin objectives simultaneously: enhancing crop production and household welfare [EconLit Citations: C33, D24, Q12, 012].

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,062
Tête enseignante GPT0,226
Écart entre enseignants0,164 · 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 source (Gemma direct ou Codex distillé), 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgribusinessMême sujetMicrofinance and Financial InclusionTravaux en français237 207