Effect of Seed and Fertilizer Subsidies on the Technical Efficiency of Rice Farmers in Senegal
Notice bibliographique
Résumé
The aim of this study was to analyze the effect of seed and fertilizer subsidies (NPK and urea) on the technical efficiency of rice farmers in Senegal. Using data from the Annual Agricultural Survey (EAA) of the Directorate of Analysis, Forecasting and Agricultural Statistics of Senegal (DAPSA), the results of Stochastic Frontier Analysis (SFA) revealed that rice farmers in Senegal have on average a technical efficiency level of 0.545. This suggests that they could increase their current production by 45.5% while using the same level of inputs. Estimation of an SFA model for technical inefficiency revealed that seed and urea subsidies have a significant effect on reducing technical inefficiency. A farmer using subsidized seed saw a reduction in technical inefficiency level by 10.5% and using urea was associated with a 5.1% decrease in inefficiency. In contrast, the model showed no association between the use of subsidized NPK or the use of herbicides and technical inefficiency. And use of organic fertilizer was estimated to worsen technical inefficiency by 4.4% (perhaps reflecting greater reliance on lower-cost inputs among less productive farm households in Senegal). With regard to socio-demographic factors, the results further revealed older respondents experienced more severe technical inefficiency, and that women on average were 9.6% more inefficient than men. These barriers to improved efficiency among older farmers and women suggest targeted supports may be necessary alongside general subsidy programming.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».