Effects of Exchange Rate, Inflation, and Interest Rates on Tea Exports in Kenya
Notice bibliographique
Résumé
The international tea market exhibits significant price volatility, creating challenges for household incomes, food security, and government revenues in tea-producing nations. As a leading global tea exporter, Kenya faces similar risks due to fluctuations in tea export prices. This study explored the impact of selected macroeconomic variables, namely inflation rate, interest rates, and exchange rates, on Kenyan tea export prices, aiming to understand how these factors influence prices in international markets. Its objectives were to examine the effect of exchange rate changes, assess inflation’s influence, and evaluate the impact of interest rates on tea export prices. Using a quantitative research design, the study analyzed quarterly time-series data from 2000 to 2022, incorporating quarterly dummy variables (with the fourth quarter as the reference) to account for seasonal variation. Descriptive statistics and the Augmented Dickey-Fuller (ADF) test ensured stationarity, while Ordinary Least Squares (OLS) regression estimated the relationships between each macroeconomic variable and tea export prices. Findings indicated that exchange rates and inflation significantly drove short-term price fluctuations, with exchange rate depreciation linked to price changes, and inflation showing a positive same-quarter effect but a negative effect in later quarters, reflecting delayed market adjustments. Interest rates had no significant impact. The study also noted price persistence and seasonal trends, particularly higher price changes in the third quarter. It concludes that stabilizing exchange rates and inflation, especially during high-demand quarters, is crucial for sustaining tea export earnings, while recognizing the influence of unobserved factors on price variability.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| 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 ».