PCA 结果与参与者对主要活动的观察、所用工具的信息以及外部投入的使用相结合。这导致了四种农场类型的定义。接下来，农场类型在两个帖子中与农民的小组讨论中得到验证，并使用快速调查期间收集的自变量进行检查。
使用 t 检验测试帖子之间的统计差异，使用单向方差分析测试农场类型之间的差异。使用了两个非参数检验：Kruskal-Wallis 检验用于确定农场类型之间非正态分布变量的差异，例如家庭劳动力数量、牛数量以及山羊和鸡的数量。卡方检验用于确定诸如户主性别等分类变量的农场类型差异。
为了评估农场类型对之间的差异，我们使用了两个多重事后检验：Tukey HSD 和 Mann-Whitney 检验。第一个用于满足方差齐性假设的变量，后者用于不满足方差齐性假设的变量。
所有统计比较均使用 SPSS for Windows 10.0 在α = 0.05 显着性水平下进行 。对于每个村庄，每种农场类型选择了三个农场，以对耕作系统进行更详细的分析。这些农场的选择代表了每个村庄的耕地面积和常见土壤类型。
详细数据收集的重点是作物产量、劳动力投入以及与粮食自给自足相关的数据。将每项活动的劳动力投入信息和每项活动的时间表相结合，生成作物劳动力日历。通过与农民讨论初步结果，对详细调查的数据进行了交叉核对。
在调查中我们发现，两个哨所的家庭成员中很大一部分人甚至在清晨和播种、除草等劳动力需求量较大的繁忙时段也会饮酒。在焦点小组讨论中，有人提到，雇用劳动力的农民往往会摄入过量的酒精。
我们对农场经营劳动力投入的计算并没有表明劳动力严重短缺，这意味着劳动力质量很差，可能是由于酒精的影响。因此，决定收集有关饮酒的信息，这可以用来推断劳动力的质量。
利用快速调查的家庭名单，我们首先收集了 124 个家庭的呼吸酒精含量数据，其中包括 12 个案例研究农民。在测量过程中，不少周边农户表现出了参与的兴趣；因此，我们分别从 Zembe 和 Dombe 的另外 32 名和 20 名农民那里收集了数据。
