search
for
 About Bioline  All Journals  Testimonials  Membership  News


African Crop Science Journal
African Crop Science Society
ISSN: 1021-9730
EISSN: 1021-9730
Vol. 25, No. 2, 2017, pp. 207-220
Bioline Code: cs17015
Full paper language: French
Document type: Research Article
Document available free of charge

African Crop Science Journal, Vol. 25, No. 2, 2017, pp. 207-220

 en DETERMINANTS DE L’ADOPTION ET IMPACT DES VARIETES AMELIOREES SUR LA P RODUCTIVITE DU MIL AU NIGER
ISSOUFOU, O.H.; BOUBACAR, S.; ADAM, T. & YAMBA, B.

Abstract

Niger is a country where adoption of new technologies by producers is one of the ways to develop rainfed agriculture. This study analyses the adoption and the impact of improved seeds varieties on millet ( Pennisetum glaucum check for this species in other resources L.) productivity. The determinants of adoption were identified using a Logit model. To minimise bias in the characteristics of adopters and non-adopters, the Local Average Response Function (LARF) method based on the counterfactual approach was used to estimate the “Local Average Treatment Effect “(LATE). Data were collected from 612 producers choose by randomly sampled in their list in each of the 15 study villages. The results showed that millet seed adoption rate was 35.29%. This adoption was significantly determined at P<0.001 by perception of production risk, access to extension, availability and productivity; at P <0.01 by adaptability, early maturity, age, education and P<0.05 by household size. In addition, millet yield increased to 406.93 kg ha-1 through the adoption of the improved seed. There was also a significant difference (P<0,05) between adopters and non-adopters based on the number of months of consumption of their millet production. These determinants of adoption and the impact are factors to be taken into account in order to successfully disseminate new agricultural technologies in a farming environment.

Keywords
Adoption; Counterfactual approach; improved varieties; Logit model

 
 fr DETERMINANTS DE L’ADOPTION ET IMPACT DES VARIETES AMELIOREES SUR LA P RODUCTIVITE DU MIL AU NIGER
ISSOUFOU, O.H.; BOUBACAR, S.; ADAM, T. & YAMBA, B.

Résumé

Au Niger, l’adoption des nouvelles technologies par les producteurs est l’une des voies du développement de l’agriculture pluviale. L’étude analyse l’adoption et l’impact des variétés améliorées sur la productivité du mil, Pennisetum glaucum check for this species in other resources L.). Les déterminants de l’adoption ont été identifiés à l’aide d’un modèle Logit. Pour minimiser le biais lié à la différence entre les caractéristiques des adoptants et des non adoptants, la méthode de Local Average Response Function (LARF) basée sur l’approche contrefactuelle a été utilisée pour estimer l’effet moyen local du traitement « Local Average Treatment Effect » (LATE). Les données proviennent de 612 producteurs échantillonnés de manière aléatoire sur la base de la liste des producteurs au niveau de chacun des 15 villages d’étude. Les résultats donnent un taux d’adoption de 35,29% des semences du mil amélioré. Cette adoption est significativement déterminée à P<0,001 par la perception de risque de production, l’accès à la vulgarisation, la disponibilité et la productivité ; à P<0,01 par l’adaptabilité, la précocité, l’âge, l’éducation et à P<0,05 par la taille du ménage. Ces semences ont permis d’augmenter le rendement du mil de 406,93 kg ha-1. On note une différence significative (P<0,05) entre les adoptants et les non adoptants sur le nombre de mois de consommation de leur production du mil. Ces déterminants d’adoption et l’impact sont des éléments à prendre en compte pour réussir les actions de diffusion des nouvelles technologies agricoles en milieu paysan.

Mots Clés
Adoption; Approche contrefactuelle; Variétés améliorées; Modèle Logit

 
© Copyright 2017 - African Crop Science Society

Home Faq Resources Email Bioline
© Bioline International, 1989 - 2024, Site last up-dated on 01-Sep-2022.
Site created and maintained by the Reference Center on Environmental Information, CRIA, Brazil
System hosted by the Google Cloud Platform, GCP, Brazil