Bitkisel üretim biyoteknolojisi (crop biotechnology), bu çalışmada küçük ölçekli mısır üreticilerinin Bt ve RR gibi genetiği değiştirilmiş çeşitlerin yanı sıra kuraklığa veya hastalığa dayanıklılık amacıyla kullanılan geliştirilmiş mısır çeşitlerini benimsemesi bağlamında ele alınan tarımsal teknoloji alanıdır. Araştırma, Güney Afrika'nın Eastern Cape bölgesindeki 350 küçük ölçekli mısır üreticisiyle yapılan yapılandırılmış görüşmelere dayanmakta ve çiftçilerin mısır çeşidi seçimini, biyoteknolojiye ilişkin bilgi düzeyini, finansman ve bilgi engellerini, tarımsal yayım hizmetlerinin rolünü ve benimsemeyle ilişkili sosyoekonomik değişkenleri betimsel istatistikler ile multinomial logit regresyon modeli kullanarak değerlendirmektedir.

Katılımcıların %76,6'sı bitkisel üretim biyoteknolojisine aşina olduğunu bildirmiş, kaynak ayrıca %96,9'unun iklim değişikliği ve değişkenliğine karşı bir tür uyum uyguladığını belirtmiştir. Mevcut veya son ekim sezonu için en yüksek oran Bt mısırda %41,43, kuraklığa dayanıklı TeGo mısırında %29,57 olarak raporlanmıştır. Biyoteknoloji benimsemesinin önündeki en belirgin sorun %92 ile yetersiz finansal destek olarak sunulmuş; bilgi eksikliği, krediye erişim ve iklim bilgisine erişim de önemli engeller arasında yer almıştır.

Multinomial model, mısır çeşidi benimseme kararlarının yaş, eğitim, istihdam, gelir kaynakları ve çiftçilik deneyimi gibi sosyoekonomik özelliklerle ilişkili olduğunu göstermektedir. Bununla birlikte çalışma kesitseldir, bireysel çiftçilerin seçiminde snowball sampling kullanılmıştır ve kaynakta bazı yüzde, kategori, coğrafya ve denklem tutarsızlıkları bulunmaktadır. Araştırma biyoteknolojik çeşitlerin çiftlik düzeyindeki verimi, kuraklık kaybını veya sera gazı emisyonlarını doğrudan ölçmemiştir; dolayısıyla sonuçlar teknoloji benimsemesi ve çiftçi seçimleriyle ilgilidir, biyoteknolojinin iklim değişikliğini fiziksel olarak ne ölçüde azalttığını kanıtlamaz.

Bitkisel Üretim Biyoteknolojisi Bu Çalışmada Ne Anlama Geliyor?

Bitkisel üretim biyoteknolojisi bu çalışmada, küçük ölçekli mısır çiftçilerinin zararlılara, yabancı ot yönetimine, kuraklığa veya hastalıklara ilişkin farklı özellikler taşıyan mısır çeşitlerini seçmesi ve özellikle genetiği değiştirilmiş çeşitleri tarımsal üretime dahil etmesi üzerinden incelenmektedir; kaynak Bt ve RR mısırı açık biçimde GM çeşitlerle ilişkilendirirken TeGo, CAP/Cap009 ve non-GM landrace çeşitlerini aynı çeşit-seçimi çerçevesinde karşılaştırmaktadır.

Araştırmanın temel problemi

Eastern Cape'teki küçük ölçekli üreticiler sıcaklık, yağış değişkenliği, kuraklık ve diğer tarımsal streslerle karşı karşıya kalmaktadır. Çalışma, iklime daha dayanıklı veya belirli üretim sorunlarına karşı geliştirilmiş mısır çeşitlerinin bu koşullarda bir uyum aracı olarak kullanılabileceği varsayımından hareket eder.

Ancak tohum teknolojisinin bulunması tek başına benimsemeyi garanti etmez. Çiftçinin yeni çeşidi tanıması, tohum maliyetini karşılayabilmesi, kredi veya başka finansman kaynaklarına erişebilmesi, güvenilir iklim bilgisi alabilmesi ve tarımsal yayım hizmetlerinden teknik destek görebilmesi gerekir.

Benimseme kararını etkileyen üç alan

Kaynak, teknoloji benimsemesini sistem düşüncesi çerçevesinde üç ana boyutta ele almaktadır. Birinci boyut çiftçinin yaşı, eğitimi, risk algısı ve teknolojik bilgi düzeyi gibi bireysel özelliklerdir. İkinci boyut gelir, kredi, sermaye ve sosyal ağlar gibi sosyoekonomik koşullardır. Üçüncü boyut ise iklim değişkenliği, toprak koşulları, zararlı baskısı, politika ve düzenleyici çevre gibi üretim ortamına ilişkin unsurlardır.

Bu yaklaşımın temel mesajı, mısır çeşidi seçiminin yalnız tohumun biyolojik özelliğine bağlı olmadığıdır. Aynı teknoloji farklı çiftçiler için maliyet, bilgi, arazi büyüklüğü veya finansman nedeniyle farklı derecede erişilebilir olabilir.

Kaynakta incelenen mısır çeşitleri

Kaynak Tablo 1'de “CAP 9001” yazımı kullanılırken şekillerde “Cap009” biçimi görülmektedir. Bu adlandırma farkı kaynak içi tutarsızlık olarak korunmuştur.

İklim uyumu ile iklim değişikliğini azaltma arasındaki fark

Makalenin özgün başlığında “mitigate climate change” ifadesi yer almakla birlikte araştırmanın birincil veri toplama ve analiz yapısı sera gazı azaltımı veya iklim sisteminin fiziksel olarak değiştirilmesini ölçmemektedir. Çalışma esas olarak çiftçilerin iklim değişkenliği, kuraklık, zararlı ve üretim riski karşısında daha dayanıklı çeşitleri kullanmaya yönelmesini incelemektedir.

Dolayısıyla araştırmanın bilimsel içeriği pratikte ağırlıklı olarak iklim değişikliğine uyum ve tarımsal dayanıklılık bağlamındadır. Bu ayrım, kaynak başlığını değiştirmeden sonuçların doğru yorumlanması için önemlidir.

Tarımsal yayım neden önemli?

Tarımsal yayım hizmetleri araştırma ile çiftçi arasındaki bilgi köprüsü olarak değerlendirilmiştir. Katılımcıların %58,9'u yayım hizmetlerine katıldığını bildirmiştir. Kaynak teknik destek kapsamında toprak analizi için %39,4, eğitim için %50,9, ürün sigortası danışmanlığı için %29,1 ve iklim bilgisinin iletilmesi için %50,9 oranlarını raporlamaktadır.

Bununla birlikte yayım sisteminde personel azlığı, uzmanlaşmış desteğin yetersizliği ve düzensiz temas sorunları bulunduğu belirtilmektedir. Kaynak, düzensiz temas oranını %59 olarak vermektedir.

Biyoteknoloji Benimsemesinin Başlıca Engelleri Neler?

Çalışmada biyoteknoloji ve yeni mısır çeşitlerinin benimsenmesini sınırlayan başlıca sorunlar finansal destek yetersizliği, yeni çeşitler hakkında bilgi eksikliği, krediye sınırlı erişim, iklim bilgisine erişememe ve tarımsal yayım hizmetlerindeki boşluklardır; en yüksek oran %92 ile yetersiz finansal destek için raporlanmıştır.

GM tohumların maliyeti ve ödeme kapasitesi

Katılımcıların %59,14'ü GM tohumlar için ödeme yapmakta sorun yaşamadığını, %19,14'ü tohumların kendileri için uygun fiyatlı olmadığını ve %2'si ödeme isteği konusunda kararsız olduğunu bildirmiştir.

Bu üç oran toplam örneklemi tamamlamadığı için kalan katılımcıların hangi kategoriye ait olduğu kaynakta açıklanmamaktadır. Bu nedenle Verianla yeni bir yüzde hesaplamamıştır.

Daha önce veya mevcut sezonda GM mısır tohumu satın aldığı belirtilen katılımcılar için kaynak %40 kredi, %60 kişisel tasarruf, %17,71 devlet desteği ve %12,51 diğer finansman yöntemlerini raporlamaktadır. Toplamın %100'ü aşması, birden fazla finansman kaynağının kullanılabilmiş olabileceğini düşündürse de kaynak soru yapısının çoklu yanıta izin verip vermediğini açıkça belirtmemektedir.

Mevcut mısır çeşitleri

Bt mısır en yüksek oranı göstermektedir. Ancak Şekil 1 bir pasta grafik olduğu halde beş oranın toplamı %100'ü aşmaktadır. Kaynak bunun yuvarlama, çoklu yanıt veya başka bir veri işlemi sonucu olup olmadığını açıklamadığından bu değerler “pazar payı” veya birbirini dışlayan tam dağılım olarak yorumlanmamalıdır.

Geçmiş ekim sezonlarında kullanılan çeşitler

Bu oranlar da toplamda %100'ü aşmaktadır. “Geçmiş ekim sezonları” ifadesi aynı çiftçinin farklı dönemlerde birden fazla çeşit kullanabilmesine izin verebileceği için bu durum teorik olarak çoklu kullanım geçmişiyle uyumlu olabilir. Ancak kaynak açık bir çoklu-yanıt açıklaması sunmadığı için oranların birbirini dışlayan kategoriler olduğu varsayılmamıştır.

Çalışmanın Yöntemi ve Bulguları

Araştırma tasarımı

Çalışma nicel bir saha anketidir. Veriler yapılandırılmış görüşme/soru formu aracılığıyla toplanmış, Microsoft Excel'e kodlanmış ve betimsel istatistikler ile multinomial logit regresyon modeli kullanılarak analiz edilmiştir.

Örneklem büyüklüğü

Kaynak örneklem büyüklüğünü şu formülle hesaplamaktadır:

\[ n=\frac{N}{1+N(e^2)} \]

Formül, belirli bir evren büyüklüğü ve hata payı için hedef örneklem büyüklüğünü hesaplamak amacıyla kullanılmıştır.

\(n\), hedef örneklem büyüklüğünü; \(N\), kaynakta 596.573 olarak verilen Eastern Cape küçük ölçekli mısır üreticileri evrenini; \(e\) ise 0,05 olarak alınan hata payını temsil etmektedir. Bu değerlerle kaynak gerekli örneklem büyüklüğünü yaklaşık 400 olarak belirlemektedir.

Bütçe kısıtı nedeniyle gerçek görüşme sayısı 350'de kalmıştır. Bu nedenle 400 kişilik tasarım için verilen hassasiyet hedefinin 350 kişilik nihai örneklemde aynen gerçekleştiği varsayılmamalıdır.

Örnekleme zinciri

Kaynak araştırmayı “multi-stage sampling” olarak adlandırmaktadır. Alfred Nzo ve Amathole districtleri özellikle hedeflenmiş, ardından local municipality düzeyinde rastgele seçim yapılmış ve bireysel mısır üreticilerine ulaşmak için snowball sampling kullanılmıştır.

Snowball sampling, mevcut katılımcı veya bağlantılardan yeni katılımcılara ulaşmayı sağlayan yönlendirmeli bir örnekleme yaklaşımıdır. Bu son aşama tam olasılıklı rastgele seçim olmadığı için örneklem büyüklüğü formülündeki klasik olasılıklı örnekleme varsayımlarının tamamının nihai örneklem için sağlandığı söylenemez.

Kaynak içindeki coğrafi örnekleme tutarsızlığı

Abstract 350 çiftçinin üç district municipality'den geldiğini söyler. Yöntem yalnız Alfred Nzo ve Amathole olmak üzere iki district adı verir ve bu districtlerden iki local municipality seçildiğini belirtir. Aynı paragraf daha sonra katılımcıların üç seçilmiş district municipality arasında eşit dağıtıldığını yazar. Üçüncü district adı verilmediğinden Verianla eksik bilgiyi dışarıdan tamamlamamıştır.

Multinomial Logit Modeli Bu Çalışmada Neyi Analiz Ediyor?

Multinomial logit modeli, çiftçinin birden fazla nominal mısır çeşidi veya benimseme kategorisinden hangisinde yer alma olasılığının yaş, eğitim, arazi büyüklüğü, gelir, istihdam ve çiftçilik deneyimi gibi açıklayıcı değişkenlerle nasıl ilişkili olduğunu değerlendirmek için kullanılmıştır; model katsayıları gözlemsel ilişkileri gösterir ve tek başına nedensellik kanıtlamaz.

Bağımlı ve bağımsız değişkenler

Kaynak Tablo 1 bağımlı değişkeni benimsenen mısır çeşidi olarak tanımlamakta ve Bt, RR, Drought-TEGO, CAP 9001 ile non-GM/landrace çeşitlerini listelemektedir.

Bağımsız değişkenler çiftçinin yaşı, eğitim düzeyi, medeni durumu, hane büyüklüğü, arazi büyüklüğü, cinsiyeti, çiftçilik amacı, sermaye kaynağı, çiftçilik yılı, aylık hane geliri, çiftçilik yöntemi, istihdam durumu ve diğer gelir kaynaklarını içermektedir.

MNL denklemine ilişkin kaynak sorunu

Kaynak koşullu seçim olasılığını kavramsal olarak \(P(Y=j\mid x)\) biçiminde tartışmaktadır; burada \(Y\) benimseme kategorisini, \(j\) alternatif kategoriyi ve \(x\) açıklayıcı değişkenler kümesini temsil etmektedir.

Ancak kaynak PDF'de daha sonra basılan tam multinomial logit denklemi; koşullu olasılık gösterimi, iki kez görünen exp ifadesi, toplam terimi ve hata teriminin yerleşimi bakımından matematiksel olarak belirsizdir. Verianla, kaynağın hangi dizgi hatasını amaçladığını varsayarak standart bir MNL denklemini kaynakta varmış gibi yerine koymamıştır.

Kaynağın açıkça belirttiği yorum ilkesi korunabilir: regresyon parametrelerinin işareti ilgili açıklayıcı değişken ile kategori seçimi arasındaki ilişkinin yönü hakkında bilgi verir; fakat katsayıların doğrudan basit olasılık değişimi olarak okunmaması gerekir.

Model uyumu

Kaynak bu değerleri final modelin yalnız sabit terimli modele göre daha iyi olduğunu ve modelin önemli fakat sınırlı bir açıklama gücüne sahip olduğunu gösterecek biçimde yorumlamaktadır. Pseudo-\(R^2\) değerleri doğrusal regresyondaki klasik \(R^2\) ile aynı şekilde okunmamalıdır.

Genel olarak anlamlı bulunan değişkenler

Eğitim düzeyi

Eğitim likelihood-ratio analizinde en yüksek Chi-Square değerlerinden biriyle öne çıkmıştır. Kaynak “category 2” için eğitim katsayısını \(B=1,610\), \(p<0,001\) ve \(Exp(B)=5,001\) olarak raporlamakta ve daha yüksek eğitimi daha yüksek benimseme olasılığıyla ilişkilendirmektedir.

Ancak kaynak “category 2” etiketini bu bölümde belirli bir mısır çeşidiyle açık biçimde eşleştirmediğinden, Verianla bu 5,001 değerini herhangi bir çeşit adına atamamaktadır.

Yaş

Kaynak yaş katsayılarının benimseme kategorilerinde genel olarak negatif olduğunu belirtmektedir. Category 2 için \(B=-0,066\) ve \(p=0,003\) raporlanmış; yazarlar bu sonucu daha genç üreticilerin yeni mısır çeşitlerine daha açık olmasıyla ilişkilendirmiştir.

İstihdam durumu

Category 0 için istihdam katsayısı \(B=0,676\), \(p=0,034\) olarak verilmiştir. Kaynak bunu düzenli istihdamdan gelen ekonomik güvenliğin yeni tohumlara yatırım yapmayı kolaylaştırabilmesiyle yorumlamaktadır.

Çiftlik büyüklüğü

Category 3 için çiftlik büyüklüğü \(B=0,385\), \(p=0,011\) ile pozitif raporlanmıştır. Kaynak, daha büyük işletmelerin yeni tohum teknolojilerinin başlangıç maliyetlerini karşılamada daha avantajlı olabileceğini öne sürmektedir.

Gelir

Likelihood-ratio testlerinde aylık gelir \(p=0,013\), diğer gelir kaynağı ise \(p=0,033\) ile anlamlıdır. Bununla birlikte category 3 için aylık gelir katsayısı \(-0,594\), \(p=0,020\) olarak raporlanmıştır. Bu sonuç, abstract'taki “income has a positive influence” genellemesinin bütün kategoriler için tek yönlü olmadığını göstermektedir.

Çiftçilik deneyimi

Çiftçilik deneyimi genel likelihood-ratio testinde \(p=0,020\) ile anlamlıdır. Category 1 için \(B=-0,068\), \(p=0,008\) raporlanmıştır. Yazarlar bunu daha az deneyimli üreticilerin yeni uygulamalara daha esnek yaklaşabilmesiyle yorumlamaktadır.

Çiftçilik yöntemi

Category 3 için çiftçilik yöntemi katsayısı \(B=-1,152\), \(p=0,077\) olarak verilmiştir. Bu değer %5 düzeyinde istatistiksel olarak anlamlı değildir; kaynak da etkinin bütün kategorilerde anlamlı olmadığını kabul etmektedir.

Kategori yapısındaki tutarsızlık

Yöntem metni bir noktada adaptasyon stratejilerinin üç kategoriye ayrılacağını söylerken Tablo 1 beş mısır çeşidi tanımlar ve sonuç bölümü category 0-3 gibi dört katsayı kategorisinden söz eder. Bu yapı, beş kategorili bir modelde bir referans kategorinin dışarıda tutulmuş olmasıyla uyumlu olabilir; ancak kaynak hangi numaranın hangi mısır çeşidine karşılık geldiğini açık biçimde vermediğinden bu eşleştirme Verianla tarafından yapılmamıştır.

Bu Çalışma Biyoteknolojinin İklim Değişikliğini Azalttığını Kanıtlıyor mu?

Hayır. Çalışma çiftçilerin mısır çeşidi ve biyoteknoloji benimseme davranışlarını, algıladıkları engelleri ve sosyoekonomik ilişkileri ölçmektedir; sera gazı emisyonu, tarla düzeyinde kuraklık kaybı, ürün verim artışı veya biyoteknolojinin iklim değişikliğinin fiziksel büyüklüğünü azalttığına ilişkin deneysel bir etki ölçümü yapmamaktadır.

Bu nedenle sonuçların en güvenli yorumu, belirli geliştirilmiş veya GM mısır çeşitlerinin Eastern Cape'teki üreticiler tarafından iklim ve üretim risklerine karşı potansiyel bir uyum aracı olarak benimsendiği ve bu benimsemenin finansal, bilgiye dayalı ve sosyoekonomik koşullarla ilişkili olduğudur.

Çalışmanın desteklediği sonuçlar

Kaynak, incelenen 350 üretici arasında Bt ve kuraklığa dayanıklı mısır çeşitlerinin yaygın biçimde raporlandığını, biyoteknolojiye ilişkin farkındalığın %76,6 olduğunu ve finansal destek eksikliği ile bilgi erişiminin önemli benimseme sorunları oluşturduğunu desteklemektedir.

Model sonuçları yaş, eğitim, istihdam, gelir yapısı ve çiftçilik deneyimi gibi özelliklerle mısır çeşidi seçimi arasında istatistiksel ilişkiler bulunduğunu desteklemektedir.

Kaynak ayrıca tarımsal yayım, eğitim, iklim bilgisi ve finansmana erişimin benimseme ortamının önemli parçaları olduğunu göstermektedir.

Çalışmanın desteklemediği sonuçlar

Çalışma belirli bir mısır çeşidinin verimi ne kadar artırdığını ölçmez. Bt veya TeGo mısırın bu örneklemde belirli miktarda ürün kaybını önlediğini göstermez. GM çeşitlerin çiftçi gelirini belirli bir yüzde artırdığını kanıtlamaz.

Çalışma sera gazı emisyonlarını ölçmediği için biyoteknolojinin iklim değişikliğini belirli bir miktarda “azalttığı” sonucuna varılamaz.

Snowball sampling kullanılan 350 kişilik örneklemin sonuçları bütün Eastern Cape mısır üreticilerine veya diğer ülkelere otomatik olarak genellenemez.

Kaynağın önerileri

Yazarlar krediye erişimin geliştirilmesini, çiftçilere yönelik hedefli eğitim programlarının artırılmasını ve bilgi yayma sistemlerinin güçlendirilmesini önermektedir.

Tarımsal yayım hizmetlerinin GM ve diğer iklime dayanıklı çeşitlerin özelliklerini daha iyi açıklaması, teknik destek sunması ve iklim bilgisinin çiftçilere düzenli biçimde ulaştırılması önerilmektedir.

Kaynak ayrıca finansal destek ve devlet teşviklerinin daha tutarlı hale getirilmesinin, ekonomik açıdan daha kırılgan küçük çiftçilerin teknolojiye erişimini kolaylaştırabileceğini savunmaktadır.

Kaynak ve Yöntem Notu

Özgün başlık: Factors Influencing Farmers' Adoption of Crop Biotechnology to Mitigate Climate Change: Case of Eastern Cape, South Africa

Yazarlar: N. Wawa; E.M. Zwane; V.M. Mmbengwa.

Corresponding author: N. Wawa.

Kurum: University of Limpopo; Centre for Rural Community Empowerment (CRCE), Department of Agricultural Economics and Animal Production, Faculty of Science and Agriculture.

N. Wawa: PhD candidate; ORCID 0000-0001-5496-6976.

E.M. Zwane: Professor, Agricultural Extension; ORCID 0000-0002-5933-2910.

V.M. Mmbengwa: Professor in Agricultural Economics; ORCID 0000-0003-3491-0785.

Dergi: South African Journal of Agricultural Extension (SAJAE).

Yayıncı: South African Society for Agricultural Extension (SASAE).

Cilt / sayı / sayfa: 54(1), 224-247.

Yayın tarihi: 23 Şubat 2026.

DOI: 10.17159/2413-3221/2026/v54n1a21241.

Kaynak türü: Hakemli bilimsel araştırma makalesi.

Hakemlik: Dergi politikası üç bağımsız değerlendiriciyle çift-kör hakemlik uygulandığını belirtmektedir.

Lisans: Creative Commons Attribution 4.0 International (CC BY 4.0).

Araştırma tasarımı: Nicel, kesitsel çiftçi anketi.

Kaynakta verilen hedef evren: 596.573 küçük ölçekli mısır üreticisi.

Planlanan örneklem: 400.

Gerçekleşen örneklem: 350.

Örnekleme: Kaynak tarafından multi-stage sampling olarak tanımlanan süreç; district seçimi, local municipality seçimi ve bireysel üreticiler için snowball sampling.

Veri toplama: Yapılandırılmış görüşme/soru formu.

Veri kaydı: Microsoft Excel.

Analiz: Betimsel istatistikler ve multinomial logit regresyon.

Gönüllülük ve gizlilik: Kaynak, katılımcıların araştırmanın amaçları ve gizlilik konusunda bilgilendirildiğini ve gönüllü katılım sağlandığını belirtmektedir.

Etik kurul: Sağlanan PDF'de ayrı bir etik kurul veya protokol numarası bildirilmemiştir.

Finansman: Sağlanan PDF'de ayrı finansman beyanı bulunmamaktadır.

Çıkar çatışması: Sağlanan PDF'de ayrı çıkar çatışması beyanı bulunmamaktadır.

Veri erişilebilirliği: Sağlanan PDF'de ayrı veri erişilebilirliği beyanı bulunmamaktadır.

CRediT/yazar katkıları: Sağlanan PDF'de ayrı yazar katkı beyanı bulunmamaktadır.

Teşekkür: N. Wawa, danışmanları E.M. Zwane ve V.M. Mmbengwa'ya araştırmadaki gözetim ve geri bildirimleri için teşekkür etmektedir.

Kaynak içindeki önemli raporlama tutarsızlıkları

Abstract üç district municipality'den söz ederken yöntem yalnız Alfred Nzo ve Amathole adlı iki district'i belirtmekte; daha sonra iki local municipality seçildiğini söylemesine rağmen katılımcıların üç district municipality'ye eşit dağıtıldığını yazmaktadır.

Şekil 1'de mevcut mısır çeşitlerinin yüzdeleri toplamda %102,42'ye ulaşmaktadır. Grafik pasta grafik biçiminde olduğu için bu değerlerin birbirini dışlayan kategoriler olduğu varsayılırsa matematiksel tutarsızlık ortaya çıkmaktadır. Kaynak çoklu yanıt açıklaması vermemektedir.

Şekil 2'de geçmiş ekim sezonlarının çeşit yüzdeleri %100'ü aşmaktadır. Geçmiş dönemlerde birden fazla çeşidin kullanılmış olması mümkün olmakla birlikte kaynak bunu açık bir çoklu-yanıt tasarımı olarak belirtmemektedir.

GM tohum ödeme isteği için verilen %59,14, %19,14 ve %2 oranları toplam örneklemi tamamlamamaktadır.

Tohum finansmanı için %40 kredi, %60 kişisel tasarruf, %17,71 devlet desteği ve %12,51 diğer finansman biçimleri raporlanmaktadır; bu oranların toplamı %100'ü aşmakta ve çoklu seçim olup olmadığı açıklanmamaktadır.

Şekil 3'te krediye erişim %23,43 “evet” ve %59,43 “hayır” olarak verilmekte; kalan örneklemin kategorisi belirtilmemektedir.

Kaynak Tablo 1 beş mısır çeşidi kategorisi tanımlarken yöntem metni adaptasyon stratejilerinin üç kategoriye ayrılacağını söylemektedir. Sonuçlarda kullanılan category 0-3 numaralarının hangi mısır çeşidiyle eşleştiği açık değildir.

Tablo 1 “CAP 9001 maize” adını kullanırken Şekil 1 ve Şekil 2 “Cap009 maize” yazmaktadır.

Abstract gelir ve çiftlik büyüklüğünü pozitif benimseme faktörleri olarak özetlerken ayrıntılı sonuçlarda category 3 için aylık gelir katsayısı negatif olarak raporlanmaktadır. Bu nedenle gelir etkisinin bütün kategorilerde aynı yönde olduğu varsayılmamalıdır.

PDF'deki multinomial logit denklemi matematiksel dizgi ve notasyon açısından belirsizdir. Verianla standart bir MNL formülünü kaynak formülünün yerine geçirerek sessiz düzeltme yapmamıştır.

Temel yöntemsel sınırlılıklar

Araştırma kesitseldir; aynı çiftçiler zaman içinde izlenmemiştir. Çeşit seçimi ile sosyoekonomik değişkenler arasındaki ilişkiler nedenselliği kanıtlamaz.

Bireysel katılımcıların snowball sampling ile bulunması nihai örneklemin tam olasılıklı rastgele örneklem olarak değerlendirilmesini sınırlar.

Hedef örneklem 400 iken gerçek örneklem 350'dir. Kaynak gerçekleşen örneklem için yeni bir hata payı veya örnekleme hassasiyeti hesaplamamaktadır.

Çalışma tohum çeşitlerinin gerçek tarla verimini, kuraklık kaybını, pestisit/herbisit kullanımındaki değişimi, çiftçi gelirindeki nedensel değişimi veya sera gazı emisyonlarını doğrudan ölçmemektedir.

Kaynak içinde yüzde toplamları, kategori adlandırmaları, coğrafi örnekleme tanımı ve MNL denklemi gibi alanlarda raporlama sorunları bulunduğundan ayrıntılı nicel sonuçların ikincil kullanımında özellikle dikkat gerekmektedir.