喀麦隆的公共支出与农业增长

来源 :江西财经大学 | 被引量 : 0次 | 上传用户:ufs2269acjx
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本研究的目的是评估喀麦隆农业部门公共融资对农产品增长的影响。农业是喀麦隆经济增长和外汇的主要来源,直到1978年石油生产取代它成为正规经济增长的基石。2004年,农业对GDP贡献了44%。在20世纪80年代初的石油繁荣时期,农业发展和生产力因未受到重视导致下降。2003年,在只有15.4%的土地可耕种面积下,农业市场提供了56%劳动就业人口。喀麦隆最重要的经济作物有可可、咖啡、棉花、香蕉、橡胶、棕榈油仁和花生,主要粮食作物有大蕉、木薯、玉米、小米和甘蔗。在20世纪80年代末的经济危机之前,喀麦隆的发展战略工作是通过一系列五年发展计划来管理的。在这些方面,农业作为优先部门,政府直接通过建立国有农业工业,农村公司和定居点,以及间接通过各种支持计划,大力干预农村发展。本文的研究发现,首先,统计分析显示,分配给农业部门的公共支出与农业生产增长之间存在正相关关系。实际上,随着公共农业支出的增加,随后是生产水平的提高。此外,自相关测试显示了产出与其过去价值之间的关系以及公共支出与其过去价值之间的关系。其次,使用1974年至2016年数据的误差修正模型(ECM)测试了这种相关性。普通最小二乘法(OLS)估计表明,公共支出的增加导致下一时期农业生产的增加,尽管不成比例(公共支出增加1%约为0.3%)。这种效果在褪色前会持续两年。因此,农业部门的公共融资似乎有助于喀麦隆农业生产的增长。
其他文献
本文以复分析中Nevanlinna理论及其差分模拟理论作为主要工具,研究了微分-差分方程的指数型多项式解的性质以及几类差分多项式、微分-差分多项式的值分布。论文内容安排如下:第1章介绍Nevanlinna理论中的一些基本概念以及本文所需的一些引理;第2章研究了一类非线性微分-差分方程的指数型多项式解及一类线性微分-差分方程的亚纯解;第3章研究了几类指数型多项式的差分多项式和微分-差分多项式的零点分
高通量生物技术的发展使得生物数据大量增长,使得生物网络成为生物系统和生物实体相互关系的重要表示方法。在生物网络研究中发现,网络中的模块结构往往具有实际的生物学意义,因此生物网络的模块化识别成为各类生物网络分析的重要方法。主流的模块化识别方法主要关注于网络本身的拓扑结构信息,但对于生物网络与其它现实网络而言,节点本身也具有丰富的标签信息。利用节点标签信息与网络拓扑结构相结合进行网络模块化识别成为新的
重力波作为一种平流层常见的中小尺度波,在全球的气象学、气候学、化学以及中高层大气与低层大气动力学中扮演着十分关键的角色。本文联合使用AMSU-A与MWTS微波观测数据研究
阿尔兹海默症(Alzheimer’s disease,AD)是老年人中最常见的一种神经系统退行性痴呆症。主要临床症状为学习记忆能力衰退和认知功能障碍,并伴随多种感觉功能的缺失。嗅觉障碍
目的:通过检测正常胃粘膜细胞和四种胃癌细胞中酰基辅酶A:胆固醇酰基转移酶 1(coenzyme A:cholesterol acyltransferase 1,ACAT1)的表达情况,以及胃癌患者癌组织和癌旁组织中
目标检测是计算机视觉和机器人视觉系统的基础性课题,这个领域的研究在很多方向上已经取得了很大的进展。和许多其他计算机视觉课题类似的是,当前的目标检测仍然存在很多问题
跟踪性质是拓扑动力系统中的一个重要概念,对促进动力系统的发展起着重要的作用.本论文首先在集值动力系统引入了跟踪点的概念,并研究了跟踪点的基本性质,然后证明了在具有跟踪性的集值动力系统中,完全传递与强混合等价,最后在离散拓扑半动力系统中,引入了序列几乎平均跟踪性的概念,并探索了具有该跟踪性的系统的一些动力性状,具体安排如下:第一章是引言,简要叙述了离散拓扑半动力系统和集值动力系统目前在跟踪性方面的研
时域边界元法是一种高效方便的数值处理方法,近些年来得到了越来越多科研人员的关注,并且随着计算机等技术的快速发展而得到了迅猛的发展。用时域边界元法处理现实相关工程问题也极为有效,首先是给定实际问题的相关控制方程,然后将控制方程经过转换从而得到了位于边界上对应的积分方程,接着对积分方程划分成具有限定条件或者已知条件的边界单元,这样就可以把边界积分方程离散化,最后对离散化的边界积分方程加以组装并通过一定
目的肝细胞性肝癌(Hepatocellular carcinoma,HCC)是常见的恶性肿瘤。本课题主要研究细胞质FMR1相关蛋白1(CYFIP1)在肝细胞性肝癌(HCC)组织中的表达及与HCC发生发展的相关性
人体生物特征识别技术一直是人类研究的热点,随着计算机图像和模式识别等学科的发展,该领域不断推陈出新。当前广泛应用的生物识别技术主要有人脸识别技术和指纹识别技术,但