An Exploration of the Technical Efficiency of Wheat Production and Its Determinants Among Smallholder Farmers in Kunduz Province, Afghanistan
Notice bibliographique
Résumé
This study assesses the technical efficiency of wheat production and its determining factors among 384 smallholder farmers in the Imam Sahib, Ali Abad, and Khan Abad districts of Kunduz Province, Afghanistan. Agriculture in this region is the primary livelihood and essential for food security, yet wheat yields remain suboptimal due to inefficient input use and structural challenges. Using a stochastic frontier analysis (SFA) based on the Cobb-Douglas production function, the study estimates farm-level efficiency while accounting for random variation. A Tobit regression model is employed to identify socio-economic and institutional factors affecting technical efficiency (TE), given that TE scores fall between 0 and 1. The findings reveal an average TE score of 77.89%, suggesting that farmers could boost output by 22.11% using the same inputs more efficiently. Key production inputs, land, labor, improved seeds, fertilizer, and pesticides, significantly influenced output. Additionally, higher education levels, better access to extension services, formal credit, mobile phone use, training participation, and market proximity positively impacted TE. These results point to considerable inefficiencies and highlight the need for targeted policy interventions to improve education, rural infrastructure, and institutional support. Promoting digital tools and effective extension services can also enhance productivity. The study provides practical insights to inform strategies aimed at strengthening agricultural performance and rural livelihoods in resource-constrained, post-conflict regions of northern Afghanistan.
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 | 0,001 | 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 | 0,003 |
| Science ouverte | 0,001 | 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 ».