General comments

Post Reply
yayaKY
Posts: 1
Joined: Thu Sep 05, 2019 3:29 pm
Institutional affiliation*: CARDES
Contact:

General comments

Post by yayaKY » Fri Sep 06, 2019 10:40 am

Policy relevance

Concernant la dimension politique publique, le projet a une faiblesse du côté des motivations et manque de référentiel de politique national de développement. En effet, vous indiquez que vos résultats permettront aux décideurs d’apprécier la pertinence des politiques actuelles qui visent à réduire le gap de productivité agricole dû a la dimension genre ou d’élaborer de nouvelles politiques. Cependant vous n'avez pas expliqué comment cette méthodologie pourra mieux aider les décider que les autres méthodologies de la littérature. En quoi ces indicateurs sont plus pertinents pour l’élaboration de politiques. Par exemple si le gouvernement élabore des programmes en faveur des femmes divorcées cela risque d’encourager les autres femmes mariées d’abandonner leur domicile conjugale. Par ailleurs, vous n'avez pas attaché la contribution de la recherche au plan national de développement économique et social. Pour avoir le soutien des politiques il faut que la contribution du projet s’inscrive dans le référentiel qui définit les actions de développement au Cameroun. Autrement les autorités auront du mal à qui adhérer.

La motivation de l’indicateur de genre interroge.

Il est dit que c’est pour permettre d’identifier les membres du ménage pour qui il faut renforcer les decisions afin d'augmenter la productivité. Selon vous, se limiter au sexe du chef de ménage est problématique parce qu’il n’indique pas qui prend les décisions dans la parcelle. Cela me fait interroger sur la pertinence des catégories de jure et de facto. De facto représente les chefs de ménage migrants. En quoi renforcer les décisions d’un membre qui ne vit pas dans le ménage est important?
De jure sont les divorcés et les veufs. Comment gérez-vous le cas de ceux qui sont à la fois veuf/divorcé et manager/owner, ou ceux qui sont veuf/divorcé et chef de ménage? Et en termes de policy implications, qu'est ce que vous allez recommendez par rapport à ce groupe? Que les politiques ciblent davantage ou non les veufs et divorcés par rapport aux mariés? Quelle est la pertinence?

Methodology

- La méthodologie adoptée me pose deux problèmes. Le premier est lié au fait que vous décomposez l’équation (1) définie sur l’ensemble de l’échantillon en deux sous équations homme et femme. Mais vous maintiennez les variables indicatrices G dans les deux équations. Cela risque de créer des problèmes the colinéarité parfaite. Le second problème est lié au fait que vous justifiez cette décomposition par le risque d’endogéneité dans l’équation (1). Mais dans le calcul de la décomposition vous utilisez le coefficient de cette même équation qui est sensé être biaisé.

- D'ailleurs vous n'expliquez pas les sources potentielles d'endogéneité. Il existe des méthodoes appropriées pour corgier les sources d'endogénéité connues dans la littérature. Il me semble que estimer l'équation sur des sous échantillons ne soit pas une des méthodes. Il faudra donc expliquer en quoi cette méthode permet de corriger la source que vous aurez identifiées.

- Un point sur l'hétérogenéité spatiale du gender gap:
1. Pourquoi regarder le gender gap selon la variabilité climatique et la zone agro-ecologique? Lors du seminaire sur les aspects genre, nous avons vu que le genre est une construction sociale. Dans ce sens, je suis d'accord qu'il peut y avoir une hétérogenéité liée aux normes sociales. Je penserais plus à regarder l'hétérogenéité selon les régions géographiques, les éthnies ou les réligions qui sont davantage des dimensions sociales.

- Les équations 2 et 3 ne semblent pas bien spécifiées:
1. Est-ce qu'au final ce sont 6 équations que vous voulez estimez?Si c'est le cas, cela me semble difficile à gérer d'autant plus que vous prévoyez de faire des estimations par zone agro-écologique. Donc cela fera encore plus d'une dizaine de modèles estimés. Sauf si vous aller inserer des interactions mais même dans ce cas on se pose la question de cette interaction puisque vous estimez des équations séparées homme-femme. Donc on s'attend à ce que la variable genre saute comme il est dit plus haut.
2. La définition entre les variables G et IC n'est pas claire. On a l'impression que c'est la même chose. Veuillez clarifier.

- A propos du RIF: Par définition l'estimateur OLS est différent de l’estimateur de régression quantile. Il est donc incorrecte d'affirmer que c'est la même chose.

Literature

Pour ce qui concerne la revue littérature vous devrez vérifier si tous les auteurs cités sont présents dans les références et éviter de citer la même référence sous différents auteurs.

Des affirmations sans justification/source

75% of the extreme poor reside in rural areas and agriculture constitutes their main occupation.
There is mounting evidence that reducing the gap in productivity between male and female plots plays a significant role in poverty reduction and improved nutritional outcomes.

Ousmanou Njikam
Posts: 8
Joined: Thu Sep 05, 2019 7:58 am
Institutional affiliation*: University of Yaounde II
Contact:

Re: General comments

Post by Ousmanou Njikam » Fri Sep 06, 2019 12:39 pm

J'accuse reception de vos commentaires. Infiniment merci pour ces remarques et suggestions tres constructives.
Ousmanou

Post Reply

Return to “PMMA-20386 - The gender gap in smallholder agricultural productivity: The case of Cameroon”

Who is online

Users browsing this forum: No registered users and 1 guest