Get 20M+ Full-Text Papers For Less Than $1.50/day. Start a 14-Day Trial for You or Your Team.

Learn More →

Market Awareness and Participation for Cattle Farmers in the Kaonafatso ya Dikgomo (KyD) Scheme in KwaZulu-Natal Province, South Africa

Market Awareness and Participation for Cattle Farmers in the Kaonafatso ya Dikgomo (KyD) Scheme... Article  Market Awareness and Participation for Cattle  Farmers in the Kaonafatso ya Dikgomo (KyD)  Scheme in KwaZulu‐Natal Province, South Africa  1, 2 3 Saul Ngarava  * Mzwanele Phetshe   and Abbyssinia Mushunje      Department of Risk and Vulnerability Science Centre, University of Fort Hare, Alice 5700, South Africa    Department of Agricultural Economics and Extension, University of Fort Hare, Alice 5700, South Africa;  phetshem@gmail.com    Department of Agricultural Economics and Extension, University of Fort Hare, Alice 5700, South Africa;  AMushunje@ufh.ac.za  *  Correspondence: SNgarava@ufh.ac.za; Tel.: +27‐073‐203‐7094  Received: 6 August 2019; Accepted: 23 September 2019; Published: 1 October 2019  Abstract:  The  objective  of  the  study  was  to  outline  the  determinants  of  market  awareness  and  participation in the Kaonafatso ya Dikgomo (KyD) scheme in South Africa. The study utilised a  cross‐sectional  survey  of  a  randomly  selected  sample  of  116  KyD  farmers  in  KwaZulu‐Natal  Province. A Logit model was used to analyse the data. The results show that more farmers are aware  of  farmgate  market  channels,  but  however,  they  tended  to  utilise  auction  market  channels.  Furthermore, gender, marital status, educational level, employment status, farm income, source of  income,  herd  size,  labour  and  training  were  significant  variables  in  the  awareness  and  use  of  butcheries, auctions and farm gate markets. The study concludes that the scheme is particularly  effective in influencing commercialisation through utilisation of more lucrative market channels  such as auctions. Furthermore, socio‐economic factors had a bearing on the awareness and use of  marketing channels for smallholder farmers in the KyD scheme. Labour was particularly significant  across butchery, auction and farm gate market channels. The study recommends that the scheme  needs  to  improve  awareness  and  use  of  market  channels  through  utilisation  of  information  platforms such as radio, television and direct communication though mobile phones. Furthermore,  extension should assist farmers not only in awareness of markets, but also in the utilisation of those  markets.   Keywords: Kaonafatso ya Dikgomo; livestock development programme; logit model; marketing  channel  1. Introduction  Livestock production is significant in wealth creation and improving the livelihoods of rural  poor households [1,2]. Cattle commercialisation increases production and quality, contributing to  improved incomes. Market participation becomes a determining factor in the commercialisation of  cattle  by  rural  poor  households  [3].  Cattle  herd  size  positively  influence  cattle  market  supply  decisions [2]. Thus, agricultural market participation is associated with productivity, with empirical  evidence showing that in Southern Africa, growth in herd size is required in shifting to commercial  cattle farming systems [3]. Cattle production contributes between 25% and 30% per annum to South  Africa’s  national  agricultural  GDP  [4].  Cattle  are  a  major  livelihood  strategy  for  South  Africa’s  communal  and  emerging  farmers,  who  are  resource  poor  and  own  40%  of  the  herd  size.  [2].  Agriculture 2019, 9, 215; doi:10.3390/agriculture9100215  www.mdpi.com/journal/agriculture  Agriculture 2019, 9, 215  2  of  12  Approximately 3 million subsistence as well as 240,000 small‐scale farmers own 5.6 million cattle  relative to 50,000 commercial farmers who own 8.2 million cattle [5].  Consumer preferences, changing lifestyle, globalisation, high population and income growth as  well as urban migration in South Africa have been responsible for growth in livestock markets. This  has  availed  opportunities  for  integrating  smallholder  farmers  into  the  market  economy  [2].  The  National  Livestock  Development  Strategy  supports  smallholder  and  emerging  farmers  to  be  profitable  and  competitive  through  creation  of  an  enabling  policy  environment  and  market  development. The policy also endeavours to integrate sustainable rural development by focussing on  equitable participation, training, research and development as well as investment in rural commercial  and cooperative infrastructure [2]. Furthermore, in easing access to agricultural market infrastructure  and information, commodity associations or groups have been advocated for, especially for livestock  farmers in the agricultural marketing strategy. This has encouraged a range of livestock marketing  channels,  which  include  the  traditional  farmgate,  butcheries,  speculators,  abattoirs  and  auctions.  [2,4,6].  Various  Livestock  Development  Programmes  (LDPs)  have  been  implemented  in  the  endeavour to mainstream smallholder rural poor livestock keepers to participate in formal market  economies and commercialize. In KwaZulu‐Natal, it was reported that farmers in the Okhahlamba  Local Cooperative (OLC) participated more in cattle marketing than those who were not partaking,  and the members perceive this programme as the best solving challenges and barriers around cattle  marketing [5]. In 2013, the National Agricultural Marketing Council (NAMC) cattle custom feeding  program was initiated in the Eastern Cape Province where farmers are organised into marketing  cooperatives. These groups are said to enhance farmers to partake in commercial cattle markets and  also help farmers in creating awareness about the best possible markets to utilize [7]. The positive  impact  of  Livestock  Development  Programmes  (LDP)  on  marketing  led  to  introduction  of  new  schemes that enhance the same purpose in South African regions.  In recognition of the need to promote market participation and awareness in South Africa, the  ARC  has  embarked  on  technology  and  information  dissemination  programmes,  integrating  production  systems  and  scientific  research  for  smallholder  livestock  producers.  One  of  these  programmes is known as the Kaonafatso ya Dikgomo (KyD) Scheme. With reference to ARC [8], the  KyD  scheme  has  registered  more  than  8300  smallholder  livestock  farmers  on  a  national  animal  improvement database, called the Integrated Registration Genetic Information System (INTERGIS).  One of the objectives of the Scheme is to improve market access and commercialization for small‐ scale cattle producers as well as keep accurate animal performance records for sustainable livestock  improvement  [9,10].  The  evidence  demonstrates  that  market  off‐takes  for  the  participants  in  the  Scheme have increased by 16%. Thus from a 33,000 head of cattle, there is significant harvest of more  than 5000. [8]. However, there has been little documentation as to how the scheme has incorporated  the determinants of market awareness and choice, in its formulation and implementation. The study  seeks to outline the determinants of market awareness and participation in the KyD scheme.  1.1. Determinants of Market Channel Choice by Livestock Farmers  According  to  Mafukata  [1],  communal  farmer  market  choice  in  developing  countries  is  influenced by adoption of new marketing techniques and technologies, access to financial assistance  and insurance, level of farm production. This has relegated farmers to informal market participation.  Market  preference  for  small  holder  farmers  has  been  relegated  to  informal  marketing  channels  relative to formal channels [11] Furthermore, determinants in selecting a particular market channel  were  dependent  upon  gender  of  a  household  head,  education,  herd  size  and  access  to  market  information  [11].  Access  to  market  information,  training  and  transport,  especially  though  government extension officers can support farmers in marketing their cattle. Senyolo et al. [12] found  factors  such  as  ownership  of  assets  such  as  cattle,  technological  infrastructure  such  as  radio  and  television as well as distance to market and means of transport also affecting the choice of a market  beef cattle farmers use. In the Free State Province of South Africa, Bahta and Bauer [13] highlighted  that trained farmers and those who live within shorter distances to market had more probabilities of  participating in livestock markets.    Agriculture 2019, 9, 215  3  of  12  Transactional costs also play a huge role in farmer choice of market as they are barriers to the  efficient participation of farmers in different markets [4]. Remote location of most communal cattle  producers  coupled  with  poor  road  networks,  result  in  high  transport  costs  reducing  farmer  net  income from the sale of their cattle. Transaction costs are influenced by the distances from the market.  There is positive correlation between distance and transport costs. [4]. Other factors such as costly  communication,  time  value  and  price  fluctuations  also  result  in  late  arrivals  at  markets  to  take  advantage of opportunities. Lubungu et al. [14] noted that lack of quality and price variations within  the  standard  beef  sector  limits  commercialisation  through  substantive  underinvestment  in  herd  management. Moreover, transactional cost is enhanced by too many marketing charges combined  with a lack of marketing centres. There are various information needs for communal farmers ranging  from market opportunities, price, quantity, quality, demand as well as information on prevailing  production techniques and market conditions [4]. However, access by smallholder farmers to radios,  televisions,  mobile  phone  network  and  internet  facilities  is  still  limited.  Constrained  interaction  between extension officers and farmers due to poor communication infrastructures further enhances  the limited transfer of information, skills and knowledge. Capacity building through education and  training will further improve farmers, allowing for informed decision choices [4].  1.2. Theoretical and Conceptual Framework  Market  utilisation  can  be  explained  through  the expected  utility  theory.  Utility  refers  to  the  attractiveness of an economic opportunity as well as its associated risk [15]. Expected utility theory  combines two notions: personal utility function as well as the associated distribution function [16].  The theory highlights that if an individual believes an action has possible outcomes defined as 𝑥 ,  each with a utility 𝑈 , an individual’s choice is based on his/her utility function combined with the  subjective probability of each subjective outcome 𝑝 , providing the following expected value of the  utility:  (1)  𝑈 𝑝   Alternatively,  if  the  same  individual  decides  to  choose 𝑥 ,  he/she  chooses 𝑦 ,  then  the  new  individual’s subjective utility would be:   (2)  𝑈 𝑝   The preference between the two decisions depends on the utility of each decision [17]. In relation  to the current study, the individual makes decisions on the market channel to utilise, based from  awareness  of  that  market.  These  decisions  are  influenced  by  individual  socio‐economic  and  institutional circumstances. The KyD Scheme, in its modus operandi, provides activities and training  in market access [18,19]. There are different market choices available and utilised by KyD Scheme  farmers  based  on  their  demographic,  socio‐economic,  institutional  and  farm  bio‐physical  characteristics.  2. Materials and Methods  The study was carried out in KwaZulu‐Natal, aiming at cattle farmers currently in the KyD  Scheme  (Figure  1).  KwaZulu‐Natal  Province  livestock  farmers  are  predominately  smallholder  utilizing  their  livestock  for  traditional  purposes,  with  low  off‐take  attributable  to  lack  of  market  system understanding [20]. The study made use of data collected from KyD Scheme participants from  a sample of 116 respondents.    Agriculture 2019, 9, 215  4  of  12  Figure 1. Study sites. Source: Geographic Information Systems [21].  Multiple  sampling  methods  were  utilised.  These  included  purposive  sampling  of  KwaZulu‐ Natal Province. From a population of 220 a random sample of 116 respondents was obtained. The  sampling  frame  was  obtained  from  KyD  scheme  technicians  in  KwaZulu‐Natal  Province.  The  distribution of the sample is shown in Table 1.  Table 1. Sample selection.  District  Local  KyD  Province  Village  Municipality  Municipality  farmers  Zululand  uPhongolo  Godlwayo  38  KwaZulu‐Natal  Amajuba  Newcastle  Aitona  39  uThekela  Endumeni  Uitval  39  The  data  collected,  through  a  questionnaire,  pertained  to  socio‐economic  demographic,  institutional and farm biophysical factors as well as market choice decision. Logit model was used to  identify factors influencing awareness to a market, as well as utilization of that market. The model is  specified as follows:  (3)  log 𝛽 𝛽 𝑥   1𝑝 Or as  (4)  𝑒   1𝑃 where P is the probability that a farmer is aware a particular market, y = 1, or the farmer is not aware  of a particular market, y = 0; i is the set of independent variables. The second expression    represents  the  odds  ratio  with  𝑒   representing  the  marginal  effects  of  xi  on  the  odds.  Another logit was performed with y = 0 being no utilisation of the market, and y = 1 being utilisation  of the market. The explanatory variables and their expected signs are presented in Table 2. Thus, each  Agriculture 2019, 9, 215  5  of  12  farmer is either aware of a market or not, as well utilises a market or does not. The awareness and  utilisation is dependent on the various socio‐economic, institutional and farm‐specific factors.  Table 2. Variables used in the logit model.  Expected  Variable  Type of measurement  sign  Awareness of a market  Dummy: 0 = yes, 1 = no   Participation in a market  Dummy: 0 = yes, 1 = no   Gender  Dummy: 0 = male, 1 = female  +/−  Age  Ordinal: Actual number in years  +  Marital status  Dummy: 1 = single, 0 = otherwise  +/−  Household size  Continuous: Actual number  +/−  Ordinal: 1 = no education, 2 = primary, 3 = secondary, 4 =  Educational level  +/−  tertiary  Employment status  Dummy: 1 = unemployed, 0 = otherwise −  Household off/non‐farm income  Ordinal: Actual number in Rand −  Main source of income  Dummy: 1 = formal employment, 0‐otherwise  +/−  Cattle farming experience  Ordinal: Actual number in years  +  Herd size  Continuous: Actual number −  Distance to nearest market  Actual number in metres (continuous)  +/−  Ordinal: 1 = communal, 2 = small scale commercial, 3 =  Enterprise  +/−  large scale commercial  Farming activities undertaken  Dummy: 1 = livestock + crops + vegetables, 0 = otherwise  +  Labour hours  Continuous: Actual number in hours  +/−  Training  Dummy: 1 = yes, 0 = no  +  Part of farmer organization  Dummy: 1 = yes, 0 = no  +  + indicates positive association, − indicates negative association.  The resultant equation is presented as follows:  (5)  log 𝛽 𝛽 𝑥 𝛽 𝑥 ⋯𝛽 𝑥   1𝑃 3. Results and Discussion  3.1. Descriptive Results  Table 3 shows socio‐demographic characteristics of KyD participants in the KZN province. The  measured variables were gender, age, marital status, educational qualification, employment status,  source of income, and cattle farming experience of the household head. The table shows a gender  imbalance of 72% male and 28% female participating in the scheme. These results contradict with the  assumption that women are responsible for farming especially in subsistence agriculture as well as  livestock keeping and food processing as men migrate from rural areas for employment purposes.  Women are also involved with household responsibilities, and due to patriarchal cultural societies,  are less likely to participate in male‐dominated domains such as livestock rearing [22].  Table 3. Descriptive statistics.  Variables  Frequencies  Percentages  Gender of household head         Male  81  71.7      Female  32  28.3  Age of household head         < 20 years  1  0.9  Agriculture 2019, 9, 215  6  of  12      20–29 years  7  6.2      30–39 years  17  15.0      40–49 years  29  25.7      50–59 years  26  23.0      60–69 years  24  21.2      > 70 years  9  8.0  Marital status of household head         Single  41  36.3      Married  38  33.6      Widowed  24  21.2      Divorced  10  8.8  Highest educational qualification of household head         None  33  29.2      Primary  32  28.3      Secondary  38  33.6      Tertiary  10  8.8  Employment status of household head         Unemployed  68  60.2      Formally employed  14  12.4      Self employed  14  12.4      Part time farmer  8  7.1      Full time farmer  9  8.0  Sources of income         Formal employment  14  12.4      Informal employment  20  17.7      Social grants  70  61.9      Remittances  7  6.2      Pension  2  1.8  Cattle farming experience         0–4 years  28  24.8      5–9 years  32  28.3      10–14 years  20  17.7      15–19 years  10  8.8      20–25 years  12  10.6      More than 25 years  11  9.7  Table 3 further indicates age variable with farmers younger than 20 years (1%), 20–29 years (6%),  30–39 years (15%), 40–49 years (26%), 50–59 years (23%), 60–69 years (21%) and above 70 years old  (8%). Therefore, the KyD scheme constitute of youth middle age and old farmers participating. The  results show only 29% of farmers aged 60 years and above that are participating in the KyD scheme.  Middle aged farmers (40–59 years) in the scheme are the highest as they constitute 49% in the study  area. There were 22% farmers in the scheme representing youth (less than 40 years). The indication  of  having  more  youth  and  middle  aged  farmers  than  old  ones  could  be  advantageous  as  young  household heads have an affinity to uptake new innovations and opportunities [23].  The results on Table 3 show that the majority of farmers in KyD scheme in KZN were single  (36%), followed by married (34%), widowed (21%) and divorced (9%) farmers. In terms of educational  qualification  of  KyD  participants,  it  is  indicated  that  the  scheme  had  both  literate  and  illiterate  farmers as described by 29% non‐educated, 28% primary, 34% secondary and 9% tertiary qualified  participants.  Educational  levels  are  crucial  as  they  proportionally  influence  the  adoption  of  new  technological innovations by farmers. The employment status of KyD participants as indicated on  Table 3 show 60% of unemployed farmers whilst the employed farmers were evenly distributed as  formerly employed (12%) and self‐employed (12%). According to Jari and Fraser [24], unemployed  farmers  might  be  compelled  to  sell  cattle  in  response  to  their  household  bills  and  financial  expenditures.   Table 3 shows main source of income as formal employment (12%), informal employment (18%),  social grants (62%), remittances (6%) and pension (2%). The majority of the KyD farmers depended    Agriculture 2019, 9, 215  7  of  12  on social grants with only 12% obtaining income from formal employment. Montshwe [25] outlined  that  household  who  received  unearned  incomes  had  more  chances  of  participating  in  livestock  markets. The lowest number of KyD participants with formal employment income compared to the  highest number of low level income source vindicates with the study of Randolph et al. [26] that,  smallholder cattle producers with high income levels can afford to settle most of their bills without  having to sell livestock. In Table 3, farm management of farmers was categorised and described by  whether a farmer is part‐time or full‐time farmer which consists 7% and 8% respectively. The farming  experience of cattle was sub‐divided into various categories: less than four years (25%), 5–9 years  (28%), 10–14 years (18%), 15–19 years (9%), 20–25 years (11%) and more than 25 years (10%). The KyD  programme was dominated by majority of farmers with cattle rearing experience 5–10 years followed  by farmers with less than five years in experience. The fact that there were farmers with more than  25 years (10%) farmers means that the scheme had farmers with better livestock management skills.  Table 4 shows that 40% of the respondents were aware of farmgate market channels, followed  by 37% and 35% who were aware of butcheries and auctions, respectively. Only 13%, 11% and 6% of  the  respondents  were  aware  of  abattoirs,  traders  and  wet  markets,  respectively.  The  higher  recognition of farm gate marketing channel is due to its popularity to smallholder farmers because  these take place among neighbours and between neighbouring communities, mainly in the form of  barter  or  cash  sales  (5).  The  KyD  scheme  also  plays  a  prominent  role  in  encouraging  livestock  marketing [27], informing the participants into formal market channels is fundamental hence 35% of  these farmers are knowledgeable of auction markets.  Table 4. Market channels utilised.  Market channels  Butcheries  Abattoirs  Auctions  Traders  Farmgate  Wet market  (%)  (%)  (%)  (%)  (%)  (%)  Aware  Yes  37.2  12.8  35.4  11.0  40.2  6.1  No  62.8  87.2  64.6  89.0  59.8  93.9  Used  Yes  6.7  8.5  28.7  3.7  20.1  3.7  No  93.3  91.5  71.3  96.3  79.9  96.3  Table 4 further shows that 29% of the respondents tend to utilise auction markets, followed by  farmgate (20%), abattoirs (9%), butcheries (7%), traders (7%) and wet markets (7%). KyD farmers  utilised both formal and informal markets, auctions and butcheries being formal. Auction markets  therefore require detailed classification of the cattle to be auctioned and it becomes easy for the KyD  participants  as  the  purpose  of  the  scheme  is  to  improve  farmers  recording  accuracy  of  cattle  production [8].  3.2. Determinants of Awareness and Use of Butcheries, Auctions and Farmgate Marketing Channels  Table  5  shows  the  determinants  of  awareness  and  utilisation  of  butcheries,  auctions  and  farmgate markets. All the models were significant at the 1% level with a Nagelkerke ranging from  0.164 to 0.405. Table 5 shows that labour and training were significant variables in the awareness of  butcheries as a market. In terms of utilising the butcheries market, gender, farming activities and  training were significant. Table 5 indicates that when the household head is female, there is a 6.7%  chance that they would use butchery markets. Women may not be aware of formal markets such as  butcheries as they do not focus on cattle rearing as indicated by Kristjanson et al. [28] who argued  that males tend to take part and control in livestock production especially cattle since women own  small‐stock such as chicken and goats. Market utilisation is in line with awareness and the fact that  gender is not significant in the awareness of butcheries that leads to less use of the market.  Furthermore,  there  is  a  1.02  chance  that  when  the  labour  hours  are  increasing,  there  is  less  awareness to butchery markets. Farmers devoting much of their time on cattle production in the KyD  scheme are highly exposed to formal and lucrative market information and training pertaining to use    Agriculture 2019, 9, 215  8  of  12  of auctions and abattoirs as they would spend most of their time looking at best possible production  and marketing opportunities. In addition, farmers that tend to utilise more labour are usually large‐ scale and proffer for more lucrative markets such as auctions. Furthermore, there is a 23% chance that  farmers  having  access  to  training  will  be  aware  of  butchery  markets.  Marketing  knowledge  on  farmers with access to training is driven by the information acquired during the sessions. Basically,  training  of  farmers  involves  education  on  technical  skills,  workshops  on  improving  quality  of  produce and access to markets [29]. Farmers trust and rely on information gained in workshops of  which may not be as enough as searching for more marketing channels such as auctions on their own.  There  exists  a  5.1%  chance  that  respondents  who  have  training  utilise  butcheries.  Utilisation  of  markets such as butcheries requires market information such as product specification, which can be  attained through training. There is a 9.8% chance that farmers who diversify tend to utilise butchery  markets. This was contrary to Montshwe [25], who indicated that the less diversified the farmers, the  less they would participate in mainstream markets.     Agriculture 2019, 9, 215  9  of  12  Table 5. Determinants of awareness and use of butcher, auction and farmgate markets for KyD scheme farmers.  Butcher  Auction  Farmgate    Awareness  Use  Awareness  Use  Awareness  Use  B  Exp(B)  B  Exp(B)  B  Exp(B)  B  Exp(B)  B  Exp(B)  B  Exp(B)  Gender (1 = female, 0 = male)  −0.795  0.451  −2.702*  0.067  −0.592  0.553  −0.626  0.535  −0.057  0.945  −0.853  0.426  Age  −0.047  0.954  −0.263  0.769  0.076  1.079  −0.033  0.967  −0.133  0.875  0.110  1.117  Marital status (1 = single, 0 =  −0.453  0.636  −1.215  0.297  0.230  1.259  0.529  1.697  −0.212  0.809  0.466  1.594  otherwise)  Total household size  0.044  1.045  −0.062  0.940  0.048  1.049  0.037  1.038  0.040  1.040  0.062  1.064  Highest educational level  −0.155  0.856  −0.196  0.822  0.075  1.078  0.048  1.049  −0.355***  0.701  −0.112  0.894  Employment status (1 = employed,  −0.001  0.999  0.234  1.264  0.022  1.022  0.104  1.109  −0.167  0.847  0.004  1.004  0 = otherwise)  Off/Non‐Farm income  0.066  1.068  0.288  1.334  0.143  1.153  0.212**  1.237  0.115  1.121  −0.144  0.866  Main source of income (1 = formal  0.160  1.173  −2.387  0.092  0.058  1.060  0.072  1.075  −0.696  0.499  −0.390  0.677  employment, 0 = otherwise)  Experience rearing cattle  0.197  1.218  −0.269  0.764  −0.007  0.993  0.077  1.080  −0.041  0.960  −0.028  0.973  Number of cattle  −0.022  0.979  −0.091  0.913  −0.040**  0.961  −0.030  0.971  0.013  1.013  −0.016  0.984  Distance to nearest market  0.000  1.000  0.000  1.000  0.000  1.000  0.000  1.000  0.000  1.000  0.000  1.000  Type of cattle enterprise  −0.315  0.730  0.489  1.631  −0.338  0.713  −0.556  0.574  −0.209  0.812  0.319  1.376  Farming activities undertaken (1 =  livestock + crops + vegetables, 0 =  −0.263  0.768  −2.323*  0.098  −0.240  0.786  ‐0.494  0.610  0.090  1.094  0.537  1.712  otherwise)  Labour hours  0.024*  1.024  −0.001  0.999  0.059***  1.061  0.055**  1.057  0.007  1.007  0.030*  1.031  Training (1 = yes, 0 = otherwise)  −1.459***  0.232  −2.971*  0.051  −0.131  0.877  −0.096  0.908  −0.144  0.865  −0.279  0.756  Part of a farmer organization (1 =  1.328  3.774  3.597  36.475  −1.131  0.323  −1.179  0.308  1.680  5.364  −1.660  0.190  yes, 0 = otherwise)  Constant  −0.795  0.451  −5.890  0.003  −0.592  0.553  −0.626  0.535  −0.057  0.945  −0.853  0.426  Nagelkerke  0.217   0.405   0.205   0.230   0.164   0.173   Sig.  0.001   0.000   0.004   0.000   0.004   0.000   Sig at *** 1%, ** 5% and * 10%                         Sig. (Significance) at *** 1%, ** 5% and * 10%.    Agriculture 2019, 9, 215  10  of  12  Table 5 also shows that herd size and labour were significant in the awareness of auctions, whilst  off ‐farm income and labour were significant in the use of auction markets. From the results, it is  shown  that  there  is  a  96.1%  chance  of  awareness  of  auction  markets  .and  a  1.1  chance  of  less  awareness  to  auction  markets  as  labour  hours  increase.  An  increase  in  labour  hours  result  to  proportional decrease in awareness because of the social structures of rural farmers whose labour is  composed mainly of family labour. This labour is mainly for minding and retrieving cattle. The larger  the herd size the more farmers become part of development programmes such as the KyD. These  programmes tend to train farmers in the use of auction markets so that the farmers realise better  returns.   Furthermore, the larger the herd size, the lower the trade‐offs between utilising livestock  for consumption purposes and income purposes. The farmers therefore actively seek out lucrative  markets such as auctions. It inherently increases their awareness to such markets. This is besides the  fact that smallholder farmers aim at increasing their herd for various reasons, such as social and  physical  capital  relative  to  income.  Farmers  become  more  reluctant  in  finding  formal  market  information as their herd is important for ceremonial purposes, hides, horns and meat [30]. Enhanced  herd sizes also act as a social status for Sub Saharan Africa households, with smallholder farmers  unwilling to sell their cattle. There is a 1.2 and 1.5 chance that the auctions will be not be utilised if  off‐farm income increases and labour hours increase, respectively. Although farmers may keep their  cattle for herd improvement, an income increase from non‐farm employment means enough money  for family responsibilities and negate the need to use cattle for commercial purposes. Furthermore,  income has always been an issue for smallholder farmers not to sell their cattle on formal markets as  it involves a lot of costs and also cattle are used for family consumption [30], therefore increased  income can cover the costs of utilising auction markets.  In terms of farmgate market, educational level was significant in its awareness, whilst labour  was significant in its use. Table 5 indicates that there is a 70.1 chance that there will be no awareness  of farmgate markets as the educational level decreases. With reference to Makhura [31] farm gates  sales result in farmers getting low prices due to poor conditions of livestock that are being sold hence  educated  farmers  with  knowledge  are  able  to  identify  the  suitable  market  such  as  auctions  and  butcheries for the quality of their herd. Musemwa et al. [4] stipulated that educated farmers are more  informed when it comes to their decision‐making, this also implies that smallholder farmers tend to  aim  at  commercializing  hence  focus  on  improving  their  awareness  on  formal  markets  and  not  prioritise farm gate sales. Furthermore, there is a 1.03 likelihood that farmers will utilise farmgate  markets  as  labour  hours  decrease.  This  is  based  on  the  scale  of  the  enterprise  where  less  labour  equates  to  a  smaller  number  of  cattle  and  thus  utility  in  achieving  consumption  and  cultural  purposes. There is thus an increase in the use of farmgate markets. However, authors such as Onono  [32]  advocate  that  full‐time  livestock  farmers  devoting  most  of  their  time  on  herd  management  believe in on‐farm marketing due to instances of carcass damage during the transportation which  may decrease the value of cattle on formal markets and therefore farm gates may be utilised by full  time livestock carers to avoid such transportation costs [7].  5. Conclusion and Recommendation  Livestock  farmers  are  faced  with  an  array  of  decisions  pertaining  to  market  channel  participation. Most of these decisions are governed by the socio‐economic, institutional and farm bio‐ physical  characteristics  of  smallholder  farmers.  This  is  also  evidence  in  livestock  development  programmes  becoming  pertinent—especially  when  the  farmers  are  trained  to  commercialise  and  make marketing decisions. Livestock Development Programmes (LDPs) have been implemented in  the endeavour to mainstream smallholder rural poor livestock keepers to participate in formal market  economies and commercialize. The Kaonafatso ya Dikgomo (KyD) scheme is one such LDP with the  objective of improving market access and commercialization  for small‐scale cattle producers and  achieving sustainable livestock improvement by keeping accurate animal performance records. The  objective of the study was to outline the determinants of market awareness and participation in the  KyD scheme, through the utilisation of logit model. The results indicated that more KyD farmers  were aware of farmgate relative  to other market channels. However, a larger number  of farmers  10  Agriculture 2019, 9, 215  11  of  12  tended to utilise auction markets. This indicates that the scheme is particularly effective in influencing  commercialisation through utilisation of more lucrative market channels such as auctions. Awareness  to butcheries was determined by labour and training, whereas awareness to auctions was influenced  by herd size and labour. In terms of farmgate market channel, educational level was significant. In  relation to utilisation of butcheries, gender, diversification and training were significant, whilst off‐ farm income and labour were significant for auction market channels. Labour was also a determinant  of utilisation of farm gate market channels. In conclusion, market channel choice is influenced by  various socio‐economic factors. Furthermore, labour was a significant determinant across all three  market channels.   For  the  KyD  scheme  to  increase  its  impact  in  terms  of  market  channel  choice,  the  study  recommends that it targets farmers who are commercialising and utilise increased labour. However,  even those farmers who do not have a propensity to commercialise should also be conscientized on  the available lucrative markets. Furthermore, use of more lucrative market channels can be enhanced  though  improving  awareness  of  these  markets,  either  though  farmer  field  days  or  through  information  platforms  such  as  radios,  television  or  utilisation  of  direct  communication  through  mobile phones. Extension should also be utilised not only to influence awareness of lucrative market  channels, but to go further in assisting in utilisation of those markets.  Author  Contributions:  Conceptualization,  M.P.;  methodology,  M.P.  and  S.N.;  formal  analysis,  S.N.;  data  curation, M.P.; writing—original draft preparation, M.P.; writing—review and editing, S.N.; supervision, S.N.;  funding acquisition, A.M.  Funding: This research received no external funding  Acknowledgments: The authors would like to acknowledge the Centre of Collaboration (CoC) between the  Agricultural Research Council (ARC), University of Fort Hare (UFH), University of Pretoria (UP) and University  of Limpopo (UP) for sponsoring the study as part of a PhD and Master’s study. The authors further acknowledge  the anonymous reviewers whose comments helped improve the article.  Conflicts of Interest: The authors declare no conflict of interest.  References  1. Mafukata, M.A. Factors having the most significance on the choice and selection of marketing channels  amongst communal cattle farmers in Vhembe District, Limpopo Province. J. Hum. Ecol. 2015, 49, 77–87.  2. Ndoro,  J.T.;  Mudhara,  M.;  Chimonyo,  M.  Cattle  Commercialization  in  Rural  South  Africa:  Livelihood  Drivers and Implications for Livestock Marketing Extension. J. Hum. Ecol. 2014, 45, 207–221.  3. Rios, A.R.; Shively, G.E.; Masters, W.A. Farm production and household market participation: Evidence  from LSMS data. In Proceedings of the International Association of Agricultural Economist Conference,  Beijing, China, 16–22 August 2009.  4. Musemwa, L.; Mushunje, A.; Chimonyo, M. Nguni cattle marketing constraints and opportunities in the  communal  areas  of  South  Africa:  Review.  Afr.  J.  Agric.  Res.  2008,  3,  239–245.  Available  online:  https://www.researchgate.net/profile/Voster_Muchenje/publication/207117498_Nguni_cattle_marketing_ constraints_and_opportunities_in_the_communal_areas_of_South_Africa_Review/links/09e4150b37a1690 ef7000000.pdf (accessed on 5 January 2019).  5. Ndoro, J.T.; Mudhara, M.; Chimonyo, M. Farmers’ choice of cattle marketing channels under transaction  cost in rural South Africa: A multinomial logit model. Afr. J. Range Forage Sci. 2015, 32, 243–252.  6. Musemwa, L.; Mushunje, A.; Chimonyo, M.; Mapiye, C. Low cattle market off‐take rates in communal  production systems of South Africa: Causes and mitigation strategies. J. Sustain. Dev. Afr. 2010, 12, 209–226.  7. Marandure,  T.;  Mapiye,  C.;  Makombe,  G.;  Nengovhela,  B.;  Strydom,  P.;  Muchenje,  V.;  Dzama,  K.  Determinants and opportunities for commercial marketing of beef cattle raised on communally owned  natural pastures in South Africa. Afr. J. Range Forage Sci. 2016, 33, 199–206.  8. ARC. Annual Report 2013/2014; ARC: Pretoria, South Africa, 2014.  9. ARC. National Beef Cattle Recording and Improvement Scheme; ARC: Irene, South Africa 2011; pp. 1–48.  10. ARC. Annual Beef Bulletin; ARC: Irene, South Africa, 2016.  11. Thomas, B.; Togarepi, C.; Simasiku, A. Analysis of the determinants of the sustainability of cattle marketing  systems in Zambezi Region of north‐eastern communal area of Namibia. Int. J. Livest. Prod. 2014, 5, 129– 136.  11  Agriculture 2019, 9, 215  12  of  12  12. Senyolo,  G.M.;  Chaminuka,  P.;  Makhura,  M.N.;  Belete,  A.  Patterns  of  access  and  utilization  of  output  markets by emerging farmers in South Africa: Factor analysis approach. J. Agric. Res. 2009, 4, 208–213.  13. Bahta, S.; Bauer, S. Anlysis of the Determinants of Market Participation within the South African Small‐ Scale Livestock Sector. In Proceedings of the Utilisation of Diversity in Land Use Systems: Sustainable and  Organic Approaches to meet Human Needs, Witzenhausen, Germany, 9–11 October 2007.  14. Lubungu, M.; Sitko, N.J.; Hichaambwa, M. Factors Limiting Smallholder Cattle Commercialization in Zambia;  Indaba Agriculture Policy Research Institute: Lusaka, Zambia, 2016.  15. Tatsvarei, S.; Mushunje, A.; Matsvai, S.; Ngarava, S. Farmer perceptions in Mashonaland East Province on  Zimbabwe’  s  agricultural  land  rental  policy.  Land  Use  Policy  2018,  75,  468–77.  Available  online:  https://doi.org/10.1016/j.landusepol.2018.04.015 (accessed on 3 February 2019).  16. Borges, J.A.R.; Foletto, L.; Vanderson, T.X. An interdisciplinary framework to study farmers’ decisions on  adoption of innovation: Insights from expected utility theory and theory of planned behaviour. Afr. J. Agric.  Res. 2015, 10, 2814–2825.  17. Arbuckle, G.J.; Morton, L.W.; Hobbs, J. Perspectives on climate change adaptation and mitigation: The roles  of trust in sources of climate information, climate change beliefs, and perceived risk. Environ. Behav. 2015,  47, 205–234.  18. ARC. Annual Report 2012–2013; ARC: Pretoria, South Africa, 2013.  19. ARC. Annual Report 2016/2017; ARC: Pretoria, South Africa, 2017.  20. Ngarava, S. Evaluating Livestock Development Programmes Through the Production Risk Interface: Case  of the Kaonafatso ya Dikgomo (KyD) Scheme in South Africa; University of Fort Hare: Alice, South Africa,  2019.  21. GIS. Study Area; GIS: Alice, South Africa, 2018.  22. Challa, M.; Tilahun, U. Determinants and Impacts of Modern Agricultural Technology Adoption in West  Wollega : The Case of Gulliso District. J. Biol. Agric. Healthc. 2014, 4, 63–78.  23. Barrett, C. Smallholder market participation: Concepts and evidence from eastern and southern Africa.  Food Policy 2008, 33, 299–317.  24. Jari, B.; Fraser, G.C.G. An analysis of institutional and technical factors influencing agricultural marketing  amongst smallholder farmers in the Kat River Valley, Eastern Cape Province, South Africa. Int. J. Agric. Res.  2009, 4, 1129–1137.  25. Montshwe,  B.D.  Factors  Affecting  Participation  in  Mainstream  Cattle  Markets  by  Small‐Scale  Cattle  Farmers in South Africa; University of the Free State: Bloemfontein, South Africa, 2005.  26. Randolph, T.F.; Schelling, E.; Grace, D.; Nicholson, C.F.; Leroy, J.L.; Cole, D.C.; Demment, M.W.; Omore,  A.;  Zinsstag,  J.;  Ruel,  M.  Invited  Review:  Role  of  livestock  in  human  nutrition  and  health  for  poverty  reduction in developing countries. J. Anim. Sci. 2007, 85, 2788–2800.  27. ARC. Annual Report 2010–2011; ARC: Pretoria, South Africa, 2011.  28. Kristjanson, P.; Waters‐Bayer, A.; Johnson, N.; Tipilda, A.; Njuki, J.; Baltenweck, I.; Grace, D.; MacMillan,  S. Livestock and Women’s livelihoods: A Review of the Recent Evidence; Report No.: Discussion Paper No. 20;  Nairobi, Kenya, 2010.  29. Sikwela,  M.M.;  Mushunje,  A.  The  impact  of  farmer  support  programmes  on  household  income  and  sustainability in smallholder production: A case study of the Eastern Cape and KwaZulu Natal farmers,  South  Africa.  Afr.  J.  Agric.  Res.  2013,  8,  2502–2511.  Available  online:  http://www.academicjournals.org/AJAR (accessed on 6 October 2018).  30. Soji, Z.; Chikwanda, D.; Chikwanda, A.T.; Jaja, I.F.; Mushonga, B.; Muchenje, V. Relevance of the formal  red meat classification system to the South African informal livestock sector. S. Afr. J. Anim. Sci. 2015, 45,  263–277.  31. Makhura, M. Overcoming transaction costs barriers to market participation of smallholder cattle keepers  in the Northern Province of South Africa. Agrekon 2001, 38, 165–189.  32. Onono, J.O.; Amimo, J.O.; Rushton, J. Constraints and efficiency of cattle marketing in semiarid pastoral  system in Kenya. Trop. Anim. Health Prod. 2015, 47, 691–697.   © 2019 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access  article distributed under the terms and conditions of the Creative Commons Attribution  (CC BY) license (http://creativecommons.org/licenses/by/4.0/).  12  http://www.deepdyve.com/assets/images/DeepDyve-Logo-lg.png Agriculture Multidisciplinary Digital Publishing Institute

Market Awareness and Participation for Cattle Farmers in the Kaonafatso ya Dikgomo (KyD) Scheme in KwaZulu-Natal Province, South Africa

Ngarava, Saul; Mushunje, Abbyssinia
Agriculture , Volume 9 (10) – Oct 1, 2019
Download PDF
12 pages

Loading next page...
 
/lp/multidisciplinary-digital-publishing-institute/market-awareness-and-participation-for-cattle-farmers-in-the-lnWW0HBX7T
Publisher
Multidisciplinary Digital Publishing Institute
Copyright
© 1996-2019 MDPI (Basel, Switzerland) unless otherwise stated Terms and Conditions Privacy Policy
ISSN
2077-0472
DOI
10.3390/agriculture9100215
Publisher site
See Article on Publisher Site

Abstract

Article  Market Awareness and Participation for Cattle  Farmers in the Kaonafatso ya Dikgomo (KyD)  Scheme in KwaZulu‐Natal Province, South Africa  1, 2 3 Saul Ngarava  * Mzwanele Phetshe   and Abbyssinia Mushunje      Department of Risk and Vulnerability Science Centre, University of Fort Hare, Alice 5700, South Africa    Department of Agricultural Economics and Extension, University of Fort Hare, Alice 5700, South Africa;  phetshem@gmail.com    Department of Agricultural Economics and Extension, University of Fort Hare, Alice 5700, South Africa;  AMushunje@ufh.ac.za  *  Correspondence: SNgarava@ufh.ac.za; Tel.: +27‐073‐203‐7094  Received: 6 August 2019; Accepted: 23 September 2019; Published: 1 October 2019  Abstract:  The  objective  of  the  study  was  to  outline  the  determinants  of  market  awareness  and  participation in the Kaonafatso ya Dikgomo (KyD) scheme in South Africa. The study utilised a  cross‐sectional  survey  of  a  randomly  selected  sample  of  116  KyD  farmers  in  KwaZulu‐Natal  Province. A Logit model was used to analyse the data. The results show that more farmers are aware  of  farmgate  market  channels,  but  however,  they  tended  to  utilise  auction  market  channels.  Furthermore, gender, marital status, educational level, employment status, farm income, source of  income,  herd  size,  labour  and  training  were  significant  variables  in  the  awareness  and  use  of  butcheries, auctions and farm gate markets. The study concludes that the scheme is particularly  effective in influencing commercialisation through utilisation of more lucrative market channels  such as auctions. Furthermore, socio‐economic factors had a bearing on the awareness and use of  marketing channels for smallholder farmers in the KyD scheme. Labour was particularly significant  across butchery, auction and farm gate market channels. The study recommends that the scheme  needs  to  improve  awareness  and  use  of  market  channels  through  utilisation  of  information  platforms such as radio, television and direct communication though mobile phones. Furthermore,  extension should assist farmers not only in awareness of markets, but also in the utilisation of those  markets.   Keywords: Kaonafatso ya Dikgomo; livestock development programme; logit model; marketing  channel  1. Introduction  Livestock production is significant in wealth creation and improving the livelihoods of rural  poor households [1,2]. Cattle commercialisation increases production and quality, contributing to  improved incomes. Market participation becomes a determining factor in the commercialisation of  cattle  by  rural  poor  households  [3].  Cattle  herd  size  positively  influence  cattle  market  supply  decisions [2]. Thus, agricultural market participation is associated with productivity, with empirical  evidence showing that in Southern Africa, growth in herd size is required in shifting to commercial  cattle farming systems [3]. Cattle production contributes between 25% and 30% per annum to South  Africa’s  national  agricultural  GDP  [4].  Cattle  are  a  major  livelihood  strategy  for  South  Africa’s  communal  and  emerging  farmers,  who  are  resource  poor  and  own  40%  of  the  herd  size.  [2].  Agriculture 2019, 9, 215; doi:10.3390/agriculture9100215  www.mdpi.com/journal/agriculture  Agriculture 2019, 9, 215  2  of  12  Approximately 3 million subsistence as well as 240,000 small‐scale farmers own 5.6 million cattle  relative to 50,000 commercial farmers who own 8.2 million cattle [5].  Consumer preferences, changing lifestyle, globalisation, high population and income growth as  well as urban migration in South Africa have been responsible for growth in livestock markets. This  has  availed  opportunities  for  integrating  smallholder  farmers  into  the  market  economy  [2].  The  National  Livestock  Development  Strategy  supports  smallholder  and  emerging  farmers  to  be  profitable  and  competitive  through  creation  of  an  enabling  policy  environment  and  market  development. The policy also endeavours to integrate sustainable rural development by focussing on  equitable participation, training, research and development as well as investment in rural commercial  and cooperative infrastructure [2]. Furthermore, in easing access to agricultural market infrastructure  and information, commodity associations or groups have been advocated for, especially for livestock  farmers in the agricultural marketing strategy. This has encouraged a range of livestock marketing  channels,  which  include  the  traditional  farmgate,  butcheries,  speculators,  abattoirs  and  auctions.  [2,4,6].  Various  Livestock  Development  Programmes  (LDPs)  have  been  implemented  in  the  endeavour to mainstream smallholder rural poor livestock keepers to participate in formal market  economies and commercialize. In KwaZulu‐Natal, it was reported that farmers in the Okhahlamba  Local Cooperative (OLC) participated more in cattle marketing than those who were not partaking,  and the members perceive this programme as the best solving challenges and barriers around cattle  marketing [5]. In 2013, the National Agricultural Marketing Council (NAMC) cattle custom feeding  program was initiated in the Eastern Cape Province where farmers are organised into marketing  cooperatives. These groups are said to enhance farmers to partake in commercial cattle markets and  also help farmers in creating awareness about the best possible markets to utilize [7]. The positive  impact  of  Livestock  Development  Programmes  (LDP)  on  marketing  led  to  introduction  of  new  schemes that enhance the same purpose in South African regions.  In recognition of the need to promote market participation and awareness in South Africa, the  ARC  has  embarked  on  technology  and  information  dissemination  programmes,  integrating  production  systems  and  scientific  research  for  smallholder  livestock  producers.  One  of  these  programmes is known as the Kaonafatso ya Dikgomo (KyD) Scheme. With reference to ARC [8], the  KyD  scheme  has  registered  more  than  8300  smallholder  livestock  farmers  on  a  national  animal  improvement database, called the Integrated Registration Genetic Information System (INTERGIS).  One of the objectives of the Scheme is to improve market access and commercialization for small‐ scale cattle producers as well as keep accurate animal performance records for sustainable livestock  improvement  [9,10].  The  evidence  demonstrates  that  market  off‐takes  for  the  participants  in  the  Scheme have increased by 16%. Thus from a 33,000 head of cattle, there is significant harvest of more  than 5000. [8]. However, there has been little documentation as to how the scheme has incorporated  the determinants of market awareness and choice, in its formulation and implementation. The study  seeks to outline the determinants of market awareness and participation in the KyD scheme.  1.1. Determinants of Market Channel Choice by Livestock Farmers  According  to  Mafukata  [1],  communal  farmer  market  choice  in  developing  countries  is  influenced by adoption of new marketing techniques and technologies, access to financial assistance  and insurance, level of farm production. This has relegated farmers to informal market participation.  Market  preference  for  small  holder  farmers  has  been  relegated  to  informal  marketing  channels  relative to formal channels [11] Furthermore, determinants in selecting a particular market channel  were  dependent  upon  gender  of  a  household  head,  education,  herd  size  and  access  to  market  information  [11].  Access  to  market  information,  training  and  transport,  especially  though  government extension officers can support farmers in marketing their cattle. Senyolo et al. [12] found  factors  such  as  ownership  of  assets  such  as  cattle,  technological  infrastructure  such  as  radio  and  television as well as distance to market and means of transport also affecting the choice of a market  beef cattle farmers use. In the Free State Province of South Africa, Bahta and Bauer [13] highlighted  that trained farmers and those who live within shorter distances to market had more probabilities of  participating in livestock markets.    Agriculture 2019, 9, 215  3  of  12  Transactional costs also play a huge role in farmer choice of market as they are barriers to the  efficient participation of farmers in different markets [4]. Remote location of most communal cattle  producers  coupled  with  poor  road  networks,  result  in  high  transport  costs  reducing  farmer  net  income from the sale of their cattle. Transaction costs are influenced by the distances from the market.  There is positive correlation between distance and transport costs. [4]. Other factors such as costly  communication,  time  value  and  price  fluctuations  also  result  in  late  arrivals  at  markets  to  take  advantage of opportunities. Lubungu et al. [14] noted that lack of quality and price variations within  the  standard  beef  sector  limits  commercialisation  through  substantive  underinvestment  in  herd  management. Moreover, transactional cost is enhanced by too many marketing charges combined  with a lack of marketing centres. There are various information needs for communal farmers ranging  from market opportunities, price, quantity, quality, demand as well as information on prevailing  production techniques and market conditions [4]. However, access by smallholder farmers to radios,  televisions,  mobile  phone  network  and  internet  facilities  is  still  limited.  Constrained  interaction  between extension officers and farmers due to poor communication infrastructures further enhances  the limited transfer of information, skills and knowledge. Capacity building through education and  training will further improve farmers, allowing for informed decision choices [4].  1.2. Theoretical and Conceptual Framework  Market  utilisation  can  be  explained  through  the expected  utility  theory.  Utility  refers  to  the  attractiveness of an economic opportunity as well as its associated risk [15]. Expected utility theory  combines two notions: personal utility function as well as the associated distribution function [16].  The theory highlights that if an individual believes an action has possible outcomes defined as 𝑥 ,  each with a utility 𝑈 , an individual’s choice is based on his/her utility function combined with the  subjective probability of each subjective outcome 𝑝 , providing the following expected value of the  utility:  (1)  𝑈 𝑝   Alternatively,  if  the  same  individual  decides  to  choose 𝑥 ,  he/she  chooses 𝑦 ,  then  the  new  individual’s subjective utility would be:   (2)  𝑈 𝑝   The preference between the two decisions depends on the utility of each decision [17]. In relation  to the current study, the individual makes decisions on the market channel to utilise, based from  awareness  of  that  market.  These  decisions  are  influenced  by  individual  socio‐economic  and  institutional circumstances. The KyD Scheme, in its modus operandi, provides activities and training  in market access [18,19]. There are different market choices available and utilised by KyD Scheme  farmers  based  on  their  demographic,  socio‐economic,  institutional  and  farm  bio‐physical  characteristics.  2. Materials and Methods  The study was carried out in KwaZulu‐Natal, aiming at cattle farmers currently in the KyD  Scheme  (Figure  1).  KwaZulu‐Natal  Province  livestock  farmers  are  predominately  smallholder  utilizing  their  livestock  for  traditional  purposes,  with  low  off‐take  attributable  to  lack  of  market  system understanding [20]. The study made use of data collected from KyD Scheme participants from  a sample of 116 respondents.    Agriculture 2019, 9, 215  4  of  12  Figure 1. Study sites. Source: Geographic Information Systems [21].  Multiple  sampling  methods  were  utilised.  These  included  purposive  sampling  of  KwaZulu‐ Natal Province. From a population of 220 a random sample of 116 respondents was obtained. The  sampling  frame  was  obtained  from  KyD  scheme  technicians  in  KwaZulu‐Natal  Province.  The  distribution of the sample is shown in Table 1.  Table 1. Sample selection.  District  Local  KyD  Province  Village  Municipality  Municipality  farmers  Zululand  uPhongolo  Godlwayo  38  KwaZulu‐Natal  Amajuba  Newcastle  Aitona  39  uThekela  Endumeni  Uitval  39  The  data  collected,  through  a  questionnaire,  pertained  to  socio‐economic  demographic,  institutional and farm biophysical factors as well as market choice decision. Logit model was used to  identify factors influencing awareness to a market, as well as utilization of that market. The model is  specified as follows:  (3)  log 𝛽 𝛽 𝑥   1𝑝 Or as  (4)  𝑒   1𝑃 where P is the probability that a farmer is aware a particular market, y = 1, or the farmer is not aware  of a particular market, y = 0; i is the set of independent variables. The second expression    represents  the  odds  ratio  with  𝑒   representing  the  marginal  effects  of  xi  on  the  odds.  Another logit was performed with y = 0 being no utilisation of the market, and y = 1 being utilisation  of the market. The explanatory variables and their expected signs are presented in Table 2. Thus, each  Agriculture 2019, 9, 215  5  of  12  farmer is either aware of a market or not, as well utilises a market or does not. The awareness and  utilisation is dependent on the various socio‐economic, institutional and farm‐specific factors.  Table 2. Variables used in the logit model.  Expected  Variable  Type of measurement  sign  Awareness of a market  Dummy: 0 = yes, 1 = no   Participation in a market  Dummy: 0 = yes, 1 = no   Gender  Dummy: 0 = male, 1 = female  +/−  Age  Ordinal: Actual number in years  +  Marital status  Dummy: 1 = single, 0 = otherwise  +/−  Household size  Continuous: Actual number  +/−  Ordinal: 1 = no education, 2 = primary, 3 = secondary, 4 =  Educational level  +/−  tertiary  Employment status  Dummy: 1 = unemployed, 0 = otherwise −  Household off/non‐farm income  Ordinal: Actual number in Rand −  Main source of income  Dummy: 1 = formal employment, 0‐otherwise  +/−  Cattle farming experience  Ordinal: Actual number in years  +  Herd size  Continuous: Actual number −  Distance to nearest market  Actual number in metres (continuous)  +/−  Ordinal: 1 = communal, 2 = small scale commercial, 3 =  Enterprise  +/−  large scale commercial  Farming activities undertaken  Dummy: 1 = livestock + crops + vegetables, 0 = otherwise  +  Labour hours  Continuous: Actual number in hours  +/−  Training  Dummy: 1 = yes, 0 = no  +  Part of farmer organization  Dummy: 1 = yes, 0 = no  +  + indicates positive association, − indicates negative association.  The resultant equation is presented as follows:  (5)  log 𝛽 𝛽 𝑥 𝛽 𝑥 ⋯𝛽 𝑥   1𝑃 3. Results and Discussion  3.1. Descriptive Results  Table 3 shows socio‐demographic characteristics of KyD participants in the KZN province. The  measured variables were gender, age, marital status, educational qualification, employment status,  source of income, and cattle farming experience of the household head. The table shows a gender  imbalance of 72% male and 28% female participating in the scheme. These results contradict with the  assumption that women are responsible for farming especially in subsistence agriculture as well as  livestock keeping and food processing as men migrate from rural areas for employment purposes.  Women are also involved with household responsibilities, and due to patriarchal cultural societies,  are less likely to participate in male‐dominated domains such as livestock rearing [22].  Table 3. Descriptive statistics.  Variables  Frequencies  Percentages  Gender of household head         Male  81  71.7      Female  32  28.3  Age of household head         < 20 years  1  0.9  Agriculture 2019, 9, 215  6  of  12      20–29 years  7  6.2      30–39 years  17  15.0      40–49 years  29  25.7      50–59 years  26  23.0      60–69 years  24  21.2      > 70 years  9  8.0  Marital status of household head         Single  41  36.3      Married  38  33.6      Widowed  24  21.2      Divorced  10  8.8  Highest educational qualification of household head         None  33  29.2      Primary  32  28.3      Secondary  38  33.6      Tertiary  10  8.8  Employment status of household head         Unemployed  68  60.2      Formally employed  14  12.4      Self employed  14  12.4      Part time farmer  8  7.1      Full time farmer  9  8.0  Sources of income         Formal employment  14  12.4      Informal employment  20  17.7      Social grants  70  61.9      Remittances  7  6.2      Pension  2  1.8  Cattle farming experience         0–4 years  28  24.8      5–9 years  32  28.3      10–14 years  20  17.7      15–19 years  10  8.8      20–25 years  12  10.6      More than 25 years  11  9.7  Table 3 further indicates age variable with farmers younger than 20 years (1%), 20–29 years (6%),  30–39 years (15%), 40–49 years (26%), 50–59 years (23%), 60–69 years (21%) and above 70 years old  (8%). Therefore, the KyD scheme constitute of youth middle age and old farmers participating. The  results show only 29% of farmers aged 60 years and above that are participating in the KyD scheme.  Middle aged farmers (40–59 years) in the scheme are the highest as they constitute 49% in the study  area. There were 22% farmers in the scheme representing youth (less than 40 years). The indication  of  having  more  youth  and  middle  aged  farmers  than  old  ones  could  be  advantageous  as  young  household heads have an affinity to uptake new innovations and opportunities [23].  The results on Table 3 show that the majority of farmers in KyD scheme in KZN were single  (36%), followed by married (34%), widowed (21%) and divorced (9%) farmers. In terms of educational  qualification  of  KyD  participants,  it  is  indicated  that  the  scheme  had  both  literate  and  illiterate  farmers as described by 29% non‐educated, 28% primary, 34% secondary and 9% tertiary qualified  participants.  Educational  levels  are  crucial  as  they  proportionally  influence  the  adoption  of  new  technological innovations by farmers. The employment status of KyD participants as indicated on  Table 3 show 60% of unemployed farmers whilst the employed farmers were evenly distributed as  formerly employed (12%) and self‐employed (12%). According to Jari and Fraser [24], unemployed  farmers  might  be  compelled  to  sell  cattle  in  response  to  their  household  bills  and  financial  expenditures.   Table 3 shows main source of income as formal employment (12%), informal employment (18%),  social grants (62%), remittances (6%) and pension (2%). The majority of the KyD farmers depended    Agriculture 2019, 9, 215  7  of  12  on social grants with only 12% obtaining income from formal employment. Montshwe [25] outlined  that  household  who  received  unearned  incomes  had  more  chances  of  participating  in  livestock  markets. The lowest number of KyD participants with formal employment income compared to the  highest number of low level income source vindicates with the study of Randolph et al. [26] that,  smallholder cattle producers with high income levels can afford to settle most of their bills without  having to sell livestock. In Table 3, farm management of farmers was categorised and described by  whether a farmer is part‐time or full‐time farmer which consists 7% and 8% respectively. The farming  experience of cattle was sub‐divided into various categories: less than four years (25%), 5–9 years  (28%), 10–14 years (18%), 15–19 years (9%), 20–25 years (11%) and more than 25 years (10%). The KyD  programme was dominated by majority of farmers with cattle rearing experience 5–10 years followed  by farmers with less than five years in experience. The fact that there were farmers with more than  25 years (10%) farmers means that the scheme had farmers with better livestock management skills.  Table 4 shows that 40% of the respondents were aware of farmgate market channels, followed  by 37% and 35% who were aware of butcheries and auctions, respectively. Only 13%, 11% and 6% of  the  respondents  were  aware  of  abattoirs,  traders  and  wet  markets,  respectively.  The  higher  recognition of farm gate marketing channel is due to its popularity to smallholder farmers because  these take place among neighbours and between neighbouring communities, mainly in the form of  barter  or  cash  sales  (5).  The  KyD  scheme  also  plays  a  prominent  role  in  encouraging  livestock  marketing [27], informing the participants into formal market channels is fundamental hence 35% of  these farmers are knowledgeable of auction markets.  Table 4. Market channels utilised.  Market channels  Butcheries  Abattoirs  Auctions  Traders  Farmgate  Wet market  (%)  (%)  (%)  (%)  (%)  (%)  Aware  Yes  37.2  12.8  35.4  11.0  40.2  6.1  No  62.8  87.2  64.6  89.0  59.8  93.9  Used  Yes  6.7  8.5  28.7  3.7  20.1  3.7  No  93.3  91.5  71.3  96.3  79.9  96.3  Table 4 further shows that 29% of the respondents tend to utilise auction markets, followed by  farmgate (20%), abattoirs (9%), butcheries (7%), traders (7%) and wet markets (7%). KyD farmers  utilised both formal and informal markets, auctions and butcheries being formal. Auction markets  therefore require detailed classification of the cattle to be auctioned and it becomes easy for the KyD  participants  as  the  purpose  of  the  scheme  is  to  improve  farmers  recording  accuracy  of  cattle  production [8].  3.2. Determinants of Awareness and Use of Butcheries, Auctions and Farmgate Marketing Channels  Table  5  shows  the  determinants  of  awareness  and  utilisation  of  butcheries,  auctions  and  farmgate markets. All the models were significant at the 1% level with a Nagelkerke ranging from  0.164 to 0.405. Table 5 shows that labour and training were significant variables in the awareness of  butcheries as a market. In terms of utilising the butcheries market, gender, farming activities and  training were significant. Table 5 indicates that when the household head is female, there is a 6.7%  chance that they would use butchery markets. Women may not be aware of formal markets such as  butcheries as they do not focus on cattle rearing as indicated by Kristjanson et al. [28] who argued  that males tend to take part and control in livestock production especially cattle since women own  small‐stock such as chicken and goats. Market utilisation is in line with awareness and the fact that  gender is not significant in the awareness of butcheries that leads to less use of the market.  Furthermore,  there  is  a  1.02  chance  that  when  the  labour  hours  are  increasing,  there  is  less  awareness to butchery markets. Farmers devoting much of their time on cattle production in the KyD  scheme are highly exposed to formal and lucrative market information and training pertaining to use    Agriculture 2019, 9, 215  8  of  12  of auctions and abattoirs as they would spend most of their time looking at best possible production  and marketing opportunities. In addition, farmers that tend to utilise more labour are usually large‐ scale and proffer for more lucrative markets such as auctions. Furthermore, there is a 23% chance that  farmers  having  access  to  training  will  be  aware  of  butchery  markets.  Marketing  knowledge  on  farmers with access to training is driven by the information acquired during the sessions. Basically,  training  of  farmers  involves  education  on  technical  skills,  workshops  on  improving  quality  of  produce and access to markets [29]. Farmers trust and rely on information gained in workshops of  which may not be as enough as searching for more marketing channels such as auctions on their own.  There  exists  a  5.1%  chance  that  respondents  who  have  training  utilise  butcheries.  Utilisation  of  markets such as butcheries requires market information such as product specification, which can be  attained through training. There is a 9.8% chance that farmers who diversify tend to utilise butchery  markets. This was contrary to Montshwe [25], who indicated that the less diversified the farmers, the  less they would participate in mainstream markets.     Agriculture 2019, 9, 215  9  of  12  Table 5. Determinants of awareness and use of butcher, auction and farmgate markets for KyD scheme farmers.  Butcher  Auction  Farmgate    Awareness  Use  Awareness  Use  Awareness  Use  B  Exp(B)  B  Exp(B)  B  Exp(B)  B  Exp(B)  B  Exp(B)  B  Exp(B)  Gender (1 = female, 0 = male)  −0.795  0.451  −2.702*  0.067  −0.592  0.553  −0.626  0.535  −0.057  0.945  −0.853  0.426  Age  −0.047  0.954  −0.263  0.769  0.076  1.079  −0.033  0.967  −0.133  0.875  0.110  1.117  Marital status (1 = single, 0 =  −0.453  0.636  −1.215  0.297  0.230  1.259  0.529  1.697  −0.212  0.809  0.466  1.594  otherwise)  Total household size  0.044  1.045  −0.062  0.940  0.048  1.049  0.037  1.038  0.040  1.040  0.062  1.064  Highest educational level  −0.155  0.856  −0.196  0.822  0.075  1.078  0.048  1.049  −0.355***  0.701  −0.112  0.894  Employment status (1 = employed,  −0.001  0.999  0.234  1.264  0.022  1.022  0.104  1.109  −0.167  0.847  0.004  1.004  0 = otherwise)  Off/Non‐Farm income  0.066  1.068  0.288  1.334  0.143  1.153  0.212**  1.237  0.115  1.121  −0.144  0.866  Main source of income (1 = formal  0.160  1.173  −2.387  0.092  0.058  1.060  0.072  1.075  −0.696  0.499  −0.390  0.677  employment, 0 = otherwise)  Experience rearing cattle  0.197  1.218  −0.269  0.764  −0.007  0.993  0.077  1.080  −0.041  0.960  −0.028  0.973  Number of cattle  −0.022  0.979  −0.091  0.913  −0.040**  0.961  −0.030  0.971  0.013  1.013  −0.016  0.984  Distance to nearest market  0.000  1.000  0.000  1.000  0.000  1.000  0.000  1.000  0.000  1.000  0.000  1.000  Type of cattle enterprise  −0.315  0.730  0.489  1.631  −0.338  0.713  −0.556  0.574  −0.209  0.812  0.319  1.376  Farming activities undertaken (1 =  livestock + crops + vegetables, 0 =  −0.263  0.768  −2.323*  0.098  −0.240  0.786  ‐0.494  0.610  0.090  1.094  0.537  1.712  otherwise)  Labour hours  0.024*  1.024  −0.001  0.999  0.059***  1.061  0.055**  1.057  0.007  1.007  0.030*  1.031  Training (1 = yes, 0 = otherwise)  −1.459***  0.232  −2.971*  0.051  −0.131  0.877  −0.096  0.908  −0.144  0.865  −0.279  0.756  Part of a farmer organization (1 =  1.328  3.774  3.597  36.475  −1.131  0.323  −1.179  0.308  1.680  5.364  −1.660  0.190  yes, 0 = otherwise)  Constant  −0.795  0.451  −5.890  0.003  −0.592  0.553  −0.626  0.535  −0.057  0.945  −0.853  0.426  Nagelkerke  0.217   0.405   0.205   0.230   0.164   0.173   Sig.  0.001   0.000   0.004   0.000   0.004   0.000   Sig at *** 1%, ** 5% and * 10%                         Sig. (Significance) at *** 1%, ** 5% and * 10%.    Agriculture 2019, 9, 215  10  of  12  Table 5 also shows that herd size and labour were significant in the awareness of auctions, whilst  off ‐farm income and labour were significant in the use of auction markets. From the results, it is  shown  that  there  is  a  96.1%  chance  of  awareness  of  auction  markets  .and  a  1.1  chance  of  less  awareness  to  auction  markets  as  labour  hours  increase.  An  increase  in  labour  hours  result  to  proportional decrease in awareness because of the social structures of rural farmers whose labour is  composed mainly of family labour. This labour is mainly for minding and retrieving cattle. The larger  the herd size the more farmers become part of development programmes such as the KyD. These  programmes tend to train farmers in the use of auction markets so that the farmers realise better  returns.   Furthermore, the larger the herd size, the lower the trade‐offs between utilising livestock  for consumption purposes and income purposes. The farmers therefore actively seek out lucrative  markets such as auctions. It inherently increases their awareness to such markets. This is besides the  fact that smallholder farmers aim at increasing their herd for various reasons, such as social and  physical  capital  relative  to  income.  Farmers  become  more  reluctant  in  finding  formal  market  information as their herd is important for ceremonial purposes, hides, horns and meat [30]. Enhanced  herd sizes also act as a social status for Sub Saharan Africa households, with smallholder farmers  unwilling to sell their cattle. There is a 1.2 and 1.5 chance that the auctions will be not be utilised if  off‐farm income increases and labour hours increase, respectively. Although farmers may keep their  cattle for herd improvement, an income increase from non‐farm employment means enough money  for family responsibilities and negate the need to use cattle for commercial purposes. Furthermore,  income has always been an issue for smallholder farmers not to sell their cattle on formal markets as  it involves a lot of costs and also cattle are used for family consumption [30], therefore increased  income can cover the costs of utilising auction markets.  In terms of farmgate market, educational level was significant in its awareness, whilst labour  was significant in its use. Table 5 indicates that there is a 70.1 chance that there will be no awareness  of farmgate markets as the educational level decreases. With reference to Makhura [31] farm gates  sales result in farmers getting low prices due to poor conditions of livestock that are being sold hence  educated  farmers  with  knowledge  are  able  to  identify  the  suitable  market  such  as  auctions  and  butcheries for the quality of their herd. Musemwa et al. [4] stipulated that educated farmers are more  informed when it comes to their decision‐making, this also implies that smallholder farmers tend to  aim  at  commercializing  hence  focus  on  improving  their  awareness  on  formal  markets  and  not  prioritise farm gate sales. Furthermore, there is a 1.03 likelihood that farmers will utilise farmgate  markets  as  labour  hours  decrease.  This  is  based  on  the  scale  of  the  enterprise  where  less  labour  equates  to  a  smaller  number  of  cattle  and  thus  utility  in  achieving  consumption  and  cultural  purposes. There is thus an increase in the use of farmgate markets. However, authors such as Onono  [32]  advocate  that  full‐time  livestock  farmers  devoting  most  of  their  time  on  herd  management  believe in on‐farm marketing due to instances of carcass damage during the transportation which  may decrease the value of cattle on formal markets and therefore farm gates may be utilised by full  time livestock carers to avoid such transportation costs [7].  5. Conclusion and Recommendation  Livestock  farmers  are  faced  with  an  array  of  decisions  pertaining  to  market  channel  participation. Most of these decisions are governed by the socio‐economic, institutional and farm bio‐ physical  characteristics  of  smallholder  farmers.  This  is  also  evidence  in  livestock  development  programmes  becoming  pertinent—especially  when  the  farmers  are  trained  to  commercialise  and  make marketing decisions. Livestock Development Programmes (LDPs) have been implemented in  the endeavour to mainstream smallholder rural poor livestock keepers to participate in formal market  economies and commercialize. The Kaonafatso ya Dikgomo (KyD) scheme is one such LDP with the  objective of improving market access and commercialization  for small‐scale cattle producers and  achieving sustainable livestock improvement by keeping accurate animal performance records. The  objective of the study was to outline the determinants of market awareness and participation in the  KyD scheme, through the utilisation of logit model. The results indicated that more KyD farmers  were aware of farmgate relative  to other market channels. However, a larger number  of farmers  10  Agriculture 2019, 9, 215  11  of  12  tended to utilise auction markets. This indicates that the scheme is particularly effective in influencing  commercialisation through utilisation of more lucrative market channels such as auctions. Awareness  to butcheries was determined by labour and training, whereas awareness to auctions was influenced  by herd size and labour. In terms of farmgate market channel, educational level was significant. In  relation to utilisation of butcheries, gender, diversification and training were significant, whilst off‐ farm income and labour were significant for auction market channels. Labour was also a determinant  of utilisation of farm gate market channels. In conclusion, market channel choice is influenced by  various socio‐economic factors. Furthermore, labour was a significant determinant across all three  market channels.   For  the  KyD  scheme  to  increase  its  impact  in  terms  of  market  channel  choice,  the  study  recommends that it targets farmers who are commercialising and utilise increased labour. However,  even those farmers who do not have a propensity to commercialise should also be conscientized on  the available lucrative markets. Furthermore, use of more lucrative market channels can be enhanced  though  improving  awareness  of  these  markets,  either  though  farmer  field  days  or  through  information  platforms  such  as  radios,  television  or  utilisation  of  direct  communication  through  mobile phones. Extension should also be utilised not only to influence awareness of lucrative market  channels, but to go further in assisting in utilisation of those markets.  Author  Contributions:  Conceptualization,  M.P.;  methodology,  M.P.  and  S.N.;  formal  analysis,  S.N.;  data  curation, M.P.; writing—original draft preparation, M.P.; writing—review and editing, S.N.; supervision, S.N.;  funding acquisition, A.M.  Funding: This research received no external funding  Acknowledgments: The authors would like to acknowledge the Centre of Collaboration (CoC) between the  Agricultural Research Council (ARC), University of Fort Hare (UFH), University of Pretoria (UP) and University  of Limpopo (UP) for sponsoring the study as part of a PhD and Master’s study. The authors further acknowledge  the anonymous reviewers whose comments helped improve the article.  Conflicts of Interest: The authors declare no conflict of interest.  References  1. Mafukata, M.A. Factors having the most significance on the choice and selection of marketing channels  amongst communal cattle farmers in Vhembe District, Limpopo Province. J. Hum. Ecol. 2015, 49, 77–87.  2. Ndoro,  J.T.;  Mudhara,  M.;  Chimonyo,  M.  Cattle  Commercialization  in  Rural  South  Africa:  Livelihood  Drivers and Implications for Livestock Marketing Extension. J. Hum. Ecol. 2014, 45, 207–221.  3. Rios, A.R.; Shively, G.E.; Masters, W.A. Farm production and household market participation: Evidence  from LSMS data. In Proceedings of the International Association of Agricultural Economist Conference,  Beijing, China, 16–22 August 2009.  4. Musemwa, L.; Mushunje, A.; Chimonyo, M. Nguni cattle marketing constraints and opportunities in the  communal  areas  of  South  Africa:  Review.  Afr.  J.  Agric.  Res.  2008,  3,  239–245.  Available  online:  https://www.researchgate.net/profile/Voster_Muchenje/publication/207117498_Nguni_cattle_marketing_ constraints_and_opportunities_in_the_communal_areas_of_South_Africa_Review/links/09e4150b37a1690 ef7000000.pdf (accessed on 5 January 2019).  5. Ndoro, J.T.; Mudhara, M.; Chimonyo, M. Farmers’ choice of cattle marketing channels under transaction  cost in rural South Africa: A multinomial logit model. Afr. J. Range Forage Sci. 2015, 32, 243–252.  6. Musemwa, L.; Mushunje, A.; Chimonyo, M.; Mapiye, C. Low cattle market off‐take rates in communal  production systems of South Africa: Causes and mitigation strategies. J. Sustain. Dev. Afr. 2010, 12, 209–226.  7. Marandure,  T.;  Mapiye,  C.;  Makombe,  G.;  Nengovhela,  B.;  Strydom,  P.;  Muchenje,  V.;  Dzama,  K.  Determinants and opportunities for commercial marketing of beef cattle raised on communally owned  natural pastures in South Africa. Afr. J. Range Forage Sci. 2016, 33, 199–206.  8. ARC. Annual Report 2013/2014; ARC: Pretoria, South Africa, 2014.  9. ARC. National Beef Cattle Recording and Improvement Scheme; ARC: Irene, South Africa 2011; pp. 1–48.  10. ARC. Annual Beef Bulletin; ARC: Irene, South Africa, 2016.  11. Thomas, B.; Togarepi, C.; Simasiku, A. Analysis of the determinants of the sustainability of cattle marketing  systems in Zambezi Region of north‐eastern communal area of Namibia. Int. J. Livest. Prod. 2014, 5, 129– 136.  11  Agriculture 2019, 9, 215  12  of  12  12. Senyolo,  G.M.;  Chaminuka,  P.;  Makhura,  M.N.;  Belete,  A.  Patterns  of  access  and  utilization  of  output  markets by emerging farmers in South Africa: Factor analysis approach. J. Agric. Res. 2009, 4, 208–213.  13. Bahta, S.; Bauer, S. Anlysis of the Determinants of Market Participation within the South African Small‐ Scale Livestock Sector. In Proceedings of the Utilisation of Diversity in Land Use Systems: Sustainable and  Organic Approaches to meet Human Needs, Witzenhausen, Germany, 9–11 October 2007.  14. Lubungu, M.; Sitko, N.J.; Hichaambwa, M. Factors Limiting Smallholder Cattle Commercialization in Zambia;  Indaba Agriculture Policy Research Institute: Lusaka, Zambia, 2016.  15. Tatsvarei, S.; Mushunje, A.; Matsvai, S.; Ngarava, S. Farmer perceptions in Mashonaland East Province on  Zimbabwe’  s  agricultural  land  rental  policy.  Land  Use  Policy  2018,  75,  468–77.  Available  online:  https://doi.org/10.1016/j.landusepol.2018.04.015 (accessed on 3 February 2019).  16. Borges, J.A.R.; Foletto, L.; Vanderson, T.X. An interdisciplinary framework to study farmers’ decisions on  adoption of innovation: Insights from expected utility theory and theory of planned behaviour. Afr. J. Agric.  Res. 2015, 10, 2814–2825.  17. Arbuckle, G.J.; Morton, L.W.; Hobbs, J. Perspectives on climate change adaptation and mitigation: The roles  of trust in sources of climate information, climate change beliefs, and perceived risk. Environ. Behav. 2015,  47, 205–234.  18. ARC. Annual Report 2012–2013; ARC: Pretoria, South Africa, 2013.  19. ARC. Annual Report 2016/2017; ARC: Pretoria, South Africa, 2017.  20. Ngarava, S. Evaluating Livestock Development Programmes Through the Production Risk Interface: Case  of the Kaonafatso ya Dikgomo (KyD) Scheme in South Africa; University of Fort Hare: Alice, South Africa,  2019.  21. GIS. Study Area; GIS: Alice, South Africa, 2018.  22. Challa, M.; Tilahun, U. Determinants and Impacts of Modern Agricultural Technology Adoption in West  Wollega : The Case of Gulliso District. J. Biol. Agric. Healthc. 2014, 4, 63–78.  23. Barrett, C. Smallholder market participation: Concepts and evidence from eastern and southern Africa.  Food Policy 2008, 33, 299–317.  24. Jari, B.; Fraser, G.C.G. An analysis of institutional and technical factors influencing agricultural marketing  amongst smallholder farmers in the Kat River Valley, Eastern Cape Province, South Africa. Int. J. Agric. Res.  2009, 4, 1129–1137.  25. Montshwe,  B.D.  Factors  Affecting  Participation  in  Mainstream  Cattle  Markets  by  Small‐Scale  Cattle  Farmers in South Africa; University of the Free State: Bloemfontein, South Africa, 2005.  26. Randolph, T.F.; Schelling, E.; Grace, D.; Nicholson, C.F.; Leroy, J.L.; Cole, D.C.; Demment, M.W.; Omore,  A.;  Zinsstag,  J.;  Ruel,  M.  Invited  Review:  Role  of  livestock  in  human  nutrition  and  health  for  poverty  reduction in developing countries. J. Anim. Sci. 2007, 85, 2788–2800.  27. ARC. Annual Report 2010–2011; ARC: Pretoria, South Africa, 2011.  28. Kristjanson, P.; Waters‐Bayer, A.; Johnson, N.; Tipilda, A.; Njuki, J.; Baltenweck, I.; Grace, D.; MacMillan,  S. Livestock and Women’s livelihoods: A Review of the Recent Evidence; Report No.: Discussion Paper No. 20;  Nairobi, Kenya, 2010.  29. Sikwela,  M.M.;  Mushunje,  A.  The  impact  of  farmer  support  programmes  on  household  income  and  sustainability in smallholder production: A case study of the Eastern Cape and KwaZulu Natal farmers,  South  Africa.  Afr.  J.  Agric.  Res.  2013,  8,  2502–2511.  Available  online:  http://www.academicjournals.org/AJAR (accessed on 6 October 2018).  30. Soji, Z.; Chikwanda, D.; Chikwanda, A.T.; Jaja, I.F.; Mushonga, B.; Muchenje, V. Relevance of the formal  red meat classification system to the South African informal livestock sector. S. Afr. J. Anim. Sci. 2015, 45,  263–277.  31. Makhura, M. Overcoming transaction costs barriers to market participation of smallholder cattle keepers  in the Northern Province of South Africa. Agrekon 2001, 38, 165–189.  32. Onono, J.O.; Amimo, J.O.; Rushton, J. Constraints and efficiency of cattle marketing in semiarid pastoral  system in Kenya. Trop. Anim. Health Prod. 2015, 47, 691–697.   © 2019 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access  article distributed under the terms and conditions of the Creative Commons Attribution  (CC BY) license (http://creativecommons.org/licenses/by/4.0/).  12 

Journal

Agriculture – Multidisciplinary Digital Publishing Institute

Published: Oct 1, 2019

There are no references for this article.