To empirically estimate the differe

To empirically estimate the different adoption steps and
reveal the impact of different types of program interventions,
we use cross-sectional data from 412 smallholder
farmers in two territories in South-Kivu. We use different
estimation techniques, including univariate probit models,
Heckman selection probit models, and bivariate probit
models, to understand and control for non-exposure bias,
selection bias, and possible endogeneity bias. Our results
indicate that the impact of program interventions varies
over the different adoption steps, and entail important
implications for the design of policies to stimulate technology
adoption in areas where technology exposure and
adoption is extremely low

ผลลัพธ์ (ไทย) 1:

การประเมินขั้นตอนต่าง ๆ ถือเชิงประสบการณ์ด้วย และเปิดเผยผลกระทบของชนิดของโปรแกรมแทรกแซงเราใช้ข้อมูลที่โรงพยาบาลจาก 412 รายย่อยเกษตรกรในสองดินแดนในใต้สาบคีวู เราใช้แตกต่างกันเทคนิคการประเมิน รวมถึงแบบจำลอง probit ไร univariateเลือกของ Heckman แบบจำลอง probit และ bivariate probitรุ่น เข้าใจ และควบคุมแสงไม่ใช่อคติเอียง และอคติได้ endogeneity ผลของเราบ่งชี้ว่า ผลกระทบของการแทรกแซงโปรแกรมแตกต่างกันไปขั้นตอนการยอมรับแตกต่างกัน และยกที่สำคัญผลการออกนโยบายเพื่อกระตุ้นเทคโนโลยีปรับใช้ในพื้นที่ที่แสงเทคโนโลยี และยอมรับอยู่ในระดับต่ำมาก

ผลลัพธ์ (ไทย) 2:

จะสังเกตุประเมินขั้นตอนการนำไปใช้ที่แตกต่างกันและ
แสดงให้เห็นถึงผลกระทบที่แตกต่างกันของการแทรกแซงโปรแกรมที่
เราใช้ข้อมูลตัดขวางจาก 412 รายย่อย
เกษตรกรในสองดินแดนในภาคใต้-Kivu เราใช้ที่แตกต่างกัน
เทคนิคการประมาณการรวมทั้งรุ่น univariate จิ
Heckman รุ่นเลือก probit และ bivariate probit
รุ่นที่จะเข้าใจและควบคุมอคติไม่ใช่การเปิดรับ
เลือกอคติและความลำเอียง endogeneity ที่เป็นไปได้ ผลของเรา
แสดงให้เห็นว่าผลกระทบของการแทรกแซงโปรแกรมแตกต่างกันไป
ในช่วงขั้นตอนการนำไปใช้ที่แตกต่างกันและนำมาซึ่งความสำคัญ
ความหมายสำหรับการออกแบบของนโยบายเพื่อกระตุ้นเทคโนโลยี
การนำไปใช้ในพื้นที่ที่มีการเปิดรับเทคโนโลยีและการ
ยอมรับอยู่ในระดับต่ำมาก

ผลลัพธ์ (ไทย) 3:

เพื่อใช้ประเมินขั้นตอนการยอมรับแตกต่างกันเปิดเผยผลกระทบของชนิดของการแทรกแซงของโปรแกรมเราใช้ข้อมูลภาคตัดขวางจาก 412 โครงสร้างเกษตรกรในวันนี้สองดินแดนในภาคใต้ เราใช้ที่แตกต่างกันเทคนิคการประเมิน รวมทั้ง 2 ตัวรุ่นเฮ็กเมินเลือกตัวและตัวเทียบรุ่นแบบเข้าใจและควบคุมไม่ใช่การลำเอียงการเลือกอคติและความลำเอียง endogeneity ที่สุด ผลของเราชี้ว่า ผลกระทบของการแทรกแซงของโปรแกรมแตกต่างกันไปผ่านขั้นตอนการยอมรับที่แตกต่างกัน และครอบคลุมที่สำคัญสำหรับการออกแบบของนโยบายกระตุ้นการเทคโนโลยีในพื้นที่ที่มีการใช้เทคโนโลยีการยอมรับต่ำมาก