0 
 
 
MINISTRY OF FINANCE AND ECONOMIC DEVELOPMENT  
AND 
MINISTRY OF AGRICULTURE 
 
 
 
 
A REVIEW TO IMPROVE ESTIMATION OF LIVESTOCK 
CONTRIBUTION TO THE NATIONAL GDP 
 
 
AUTHORS 
 
• Mr. Fitaweke Metaferia, Chairperson, Ministry of Finance and Economic Development,  
• Dr. Thomas Cherenet, Secretary, Ministry of Agriculture,  
• Dr. Ayele Gelan, Member, International Livestock Research Institute (ILRI), 
• Dr. Fisseha Abnet, Member, Ethiopian Veterinary Association (EVA), 
• Mr. Agajie Tesfay, Member, Ethiopian Institute of Agricultural Research (EIAR),  
• Mr. Jemal Abdi Ali, Member, Central Statistical Agency (CSA), 
• Mr. Wondessen Gulilat from Pastoralist Forum Ethiopia (PFA). 
 
 
December 2011, Addis Ababa 
1 
 
ACKNOWLEDGMENT  
 
The Inter-Governmental Authority on Development’s Livestock Policy Initiative (IGAD LPI) has 
produced a series of working papers on the contribution of livestock to the national economy in IGAD 
member states, including Ethiopia. The purpose of these papers is to support Livestock Policy Hubs to 
advocate for representation of livestock in national strategy documents to be commensurate with its 
contribution to economic growth, poverty reduction and food security. In Ethiopia, the findings of the 
studies led to the establishment of a taskforce with a view to recommending changes, where 
appropriate, in the calculation of livestock’s contribution to GDP. 
This work was made possible through the continuous and significant effort of members of the 
taskforce drawn from a number of organisations. We would therefore like to thank Mr. Fitaweke 
Metaferia from the Ministry of Finance and Economic Development, Dr. Thomas Cherenet, from 
Ministry of Agriculture, Dr. Fisseha Abnet from Ethiopian Veterinary Association (EVA), Dr. Ayele 
Gelan from International Livestock Research Institute (ILRI), Mr. Agajie Tesfay from Ethiopian 
Institute of Agricultural Research (EIAR)-Holetta, Mr. Jemal Abdi Ali, from Central Statistical Agency 
(CSA), and Mr. Wondessen Gulilat from Pastoralist Forum Ethiopia (PFA) for their dedication, 
expertise and time. 
 
IGAD Livestock Policy Initiative 
December 2011 
 
 
 
Disclaimer 
The designations employed and the presentation of material in this publication do not imply the 
expression of any opinion whatsoever on the part of either the Food and Agriculture Organization of 
the United Nations or the Inter-Governmental Authority on Development. 
The opinions expressed in this paper are solely those of the authors and do not constitute in any way 
the position of the FAO, IGAD or the Livestock Policy Initiative. 
 
2 
 
ACRONYMS 
 
COFOG    Classification of Functions of Government 
COICOP  Classification of Individual Consumption according to Purpose) 
CSA    Central Statistics Agency 
EIAR    Ethiopian Institute of Agricultural Research  
ESNA    Ethiopian System of National Accounts 
EVA    Ethiopian Veterinary Association 
GDP    Gross domestic product 
GVA    Gross Value Added 
GVO    Gross Value of Output 
GVP    Gross Value of Production 
IC    Intermediate consumption+ 
IGAD    Inter Governmental Authority on Development 
ILCA    International Livestock Centre for Africa 
ILRI    International Livestock Research Institute 
ISIC    International Standard Industrial Classification 
LDMPS   Livestock Development Master Plan Study 
LPI    Livestock Policy Initiative 
MOA    Ministry of Agriculture 
MOFED  Ministry of Finance and Economic Development 
NAIC    National Artificial Insemination Centre  
NAD    National Accounts Directorate 
NAS    National Accounts Statistics 
PADS    Pastoral Areas Development Study 
PFA    Pastoralist Forum Ethiopia 
SNA    System of National Accounts 
TDMI     Total Dry Matter Intake 
TLU    Tropical Livestock Unit 
VA    Value Added 
3 
 
 
Table of Contents 
1.  INTRODUCTION ................................................................................................................................... 5 
2.  CONCEPTUAL FRAMEWORK FOR ESTIMATING LIVESTOCK SECTOR GDP ................................... 7 
2.1  OVERVIEW ................................................................................................................................... 7 
2.2  THE ONE INDUSTRY CASE .......................................................................................................... 8 
2.3  THE THREE INDUSTRIES CASE ................................................................................................ 10 
3.  ECONOMIC ACCOUNTS FOR LIVESTOCK SECTOR.......................................................................... 14 
3.1  ESTIMATION OF GROSS OUTPUT OF LIVESTOCK SECTOR ................................................... 14 
3.2  LIVESTOCK STATISTICS ........................................................................................................... 15 
3.3  TYPES OF LIVESTOCK PRODUCTS ........................................................................................... 17 
3.4  ESTIMATES OF GROSS OUTPUT BY CATEGORIES OF LIVESTOCK PRODUCTS ................... 19 
3.4.1  OFF‐TAKE OF LIVE ANIMALS ........................................................................................... 20 
3.4.2  MILK OUTPUT .................................................................................................................... 22 
3.4.3  POULTRY PRODUCTION ................................................................................................... 24 
3.4.4  HONEY PRODUCTION ....................................................................................................... 25 
3.4.5  OXEN DRAFT POWER ....................................................................................................... 26 
3.4.6  TRANSPORTATION AND DRAFT SERVICES OF EQUINES .............................................. 27 
3.4.7  DUNG PRODUCTION ......................................................................................................... 29 
3.5  ESTIMATES OF COSTS OF INTERMEDIATE INPUTS IN LIVESTOCK PRODUCTION ............ 30 
3.6  ESTIMATES OF LIVESTOCK GROSS DOMESTOC LIVESTOCK PRODUCT .............................. 32 
4.  CONCLUSION ..................................................................................................................................... 34 
5.  KEY FINDINGS AND RECOMMENDATIONS ..................................................................................... 36 
4 
 
  
List of Tables 
 
Table  Title  page
Table 1:  A One  Industry Matrix Representation For Value Added Estimation  In 
An Economy 
9
Table 2:  A  Three  Sector  Inter‐Sectoral  Matrix  Representation  For  GVA  In 
Agriculture 
10
Table 3:   Livestock Population Statistics (2004‐2010) 15
Table 4:   Average Herd Size For Years 2008 To 2010 (In Thousands) 17
Table 5:   Livestock Type By Product Matrix 18
Table 6:   Estimates Of Gross Value Of Live Animals (2009) 20
Table 7:  Estimates Of Gross Value Milk Production (2009) 22
Table 8:  Estimates Of Gross Value Of Poultry And Egg Production 25
Table 9:  Estimates Of Gross Value Of Honey Production 26
Table 10:  Estimates Of Gross Values Of Oxen Traction Power 26
Table 11:  Estimates Of Gross Value Of Services Of Equines 27
Table 12:  Estimates Of Gross Value Of Dung Produced 29
Table 13:  Estimates Of Total Feed Costs 31
Table 14  Estimation Of Health Related Costs For Animals For The Year 2009/10  31
Table 15  Estimates Of Gross Domestic Products Related To Livestock Activities  32
5 
 
1.  INTRODUCTION 
This  report  is prepared by a  taskforce established  from experts  in different government and 
non‐governmental  organisations  in  Ethiopia  to  examine  findings  of  a  consultancy  report 
produced for the Livestock Policy Initiative of the Intergovernmental Authority for Development 
(IGAD‐LPI).   The consultancy report was commissioned to study and suggest  improvements to 
existing  method  of  estimating  contribution  of  the  livestock  sector  to  the  national  GDP  of 
Ethiopia.   The  consultancy  report was produced  in  two  separate  volumes  (Behnke 2010  and 
Behnke 2011).   
The  consultancy  report  recommended  that  a  range  of  livestock  related  economic  accounts 
would need to be revised and update to improve the accuracy in measuring the contribution of 
the  livestock  sector  in  the  Ethiopian  economy.    This  required  adjustments  to  a  number  of 
livestock  productivity  coefficients  and  derived  variables  that  the  Ministry  of  Finance  and 
Economic Development has been applying in estimating sectoral and national GDP of Ethiopia.  
Therefore,  IGAD‐LPI  initiated  the  process  of  forming  a  taskforce  to  gain  consensus  among 
stakeholders  to  institutionally  adopt  such  a  change  to  the  system  of  economic  accounts.  
Therefore, the main objective of the taskforce was to scrutinize the validity and accuracy of the 
consultancy report before adopting  its recommendations.    In order to fulfil this objective, the 
taskforce set out to accomplish three interrelated activities.  
First,  it  was  essential  to  have  a  yardstick  against  which  to  evaluate  the  finding  of  the 
consultancy  report.    This  involved  establishing  a  concise  but  comprehensive  conceptual 
framework which  is  consistent with  the UN  system  of  national  accounts  (SNA)  ‐  a  standard 
method of systems of national economic accounts and  its specific application to the  livestock 
sector  in most countries  in the world.   Additionally,  it was necessary to set the framework by 
taking into account Ethiopia’s livestock production systems.   
Second,  since  the  consultancy  report necessarily  involved  computations of a number of  sub‐
sets  of  economic  accounts  for  different  livestock  types  and  their  products,  establishing  the 
conceptual framework was only one of the initial pre‐requisite for accomplishing the mission of 
6 
 
the  taskforce –  it was  important  to go beyond  this and  redo  the actual  task of collecting  the 
necessary data and  then computing  the estimates.    In doing so,  the  taskforce has  followed a 
pragmatic approach for good reasons.   To begin with, the envisaged revisions to the  livestock 
sector  economic  accounts  should  not  be  at  odds  with  international  practices.    The  main 
purpose of revising the figures is to improve the system of economic accounts and the existing 
coefficients which capture productivity of the countries assets, the  livestock,  in a realistic and 
practical  way.    If  the  revisions  were  conducted  by  arbitrarily  imposing  strong  assumptions 
rooted in untested theoretical viewpoints, then the countries system of economic accounts can 
easily get rendered incomparable with those for other countries. Similarly, the livestock sector 
accounts can easily get out of line with the system of accounts for the rest of the sectors in the 
economy.   
Third,  the  findings  of  the  taskforce  study  were  then  compared  with  key  findings  and 
recommendations  identified  in the consultancy report. This enabled the taskforce to come up 
with robust sets of recommendations by making further improvements to the insights gained in 
through the consultancy study.  Accordingly, this report is prepared providing detailed account 
by account comparisons of the findings in the consultancy report and those identified through 
this study.   
Needless to say this study has its own shortcomings.  The main source of its limitation lies in the 
paucity of  livestock statistics, which  is still at  its rudimentary stage.    In spite of the fact that a 
significant share of Ethiopia’s  livestock are  located  in  lowland and pastoral areas,  the Central 
Statistical Authority  of  the  county  has  so  far been  confined  to  sedentary  farming  regions  in 
conducting  censuses  and  sample  surveys.    As  a  result,  both  the  consultancy  study  and  the 
taskforce study were obliged to start with incomplete data and then relying on finding of ad hoc 
studies  to  fill  the  existing  gaps  in  the  data.      There  are  challenges  inherent  in  the  existing 
practices  of measuring  economic  benefits  from  the  livestock  sector.    The  capital  nature  of 
livestock has always given  rise  to  challenges  in appropriately accounting  for  the  services  the 
livestock provide although this various from country to country.  Some of these challenges are 
very specific to Ethiopia’s condition of production. For instance, farmers in Ethiopia rely heavily 
7 
 
on animal draft power to plough the land for crop production.  However, there is a wide gap in 
our knowledge to fully capture the value of services the livestock sector provide to the cropping 
sector both in terms of animal traction and through manure. Similarly, this study has not fully 
captured the costs of crop residue that provides a good proportion of livestock feed.   
The remaining part of this report is divided into three sections.  Section 2 presents a conceptual 
developed  in  this  study.    Section  3  provides  detailed  discussions  of  livestock  statistics; 
computation methods  for  estimating  values of  gross outputs of different  livestock products; 
costs  of  livestock  production;  and  then  finally  the  livestock  sector GDP  as well  as  livestock 
related GDP generated by services of livestock capital in other sectors of the economy. Section 
4 provides concluding remarks focussing on broad sets methodological issues. 
2. CONCEPTUAL FRAMEWORK FOR ESTIMATING LIVESTOCK SECTOR GDP  
2.1 OVERVIEW 
We  devote  this  section  of  the  report  to  discussing  the  conceptual  basis  of  estimating  the 
livestock sector GDP and related system of accounts linking the sector to the wider economy.  A 
conceptual  framework  developed  for  this  study  is  based  on  the  United  Nations  System  of 
National  Accounts  (UN‐SNA);  an  international  standard  which  provide  guidance  for  the 
development of national and sectoral GDP estimations. In any effort to undertake estimations 
or revisions of GDP at sectoral or national  levels,  it  is good practice to start to discussing and 
clarifying the basic concepts, definitions, and compilation techniques in the UN‐SNA.  
Basically, GDP derives  from  the  concept of value added. Gross value added  is  the difference 
between output  and  intermediate  consumption. GDP  is  the  sum of  gross  value  added of  all 
resident producer units plus that part (possibly the total) of taxes on products, less subsidies on 
products, that  is not  included  in  the valuation of output. GDP  is also equal to the sum of the 
final  uses  of  goods  and  services  (all  uses  except  intermediate  consumption)  measured  at 
purchasers’ prices, less the value of imports of goods and services. Finally, GDP is also equal to 
the sum of primary incomes distributed by resident producer units. (SNA, 2008, 2.138 ‐ 2.140) 
 
8 
 
The economic role of the livestock sector can be classified into two:  
(a) Intra‐sectoral activities – including wealth created due to economic activities that occurred 
within the livestock sector  
b)  Inter‐sectoral  activities  ‐  linkages of  the  livestock  sector  to other  industries  and domestic 
institutions 
GDP generated in the livestock sector covers payments for services of different factor payments 
in  the  process  of  producing  livestock  product  and  these  transactions  fall  in  category  (a). 
However, the process of livestock production involves interactions between the livestock sector 
and  the  rest of  the economy  through  sales  to other  industries  (e.g,  live animals  to  slaughter 
houses,  milk  to  dairy  processing  plants,  manure  to  crop  producers),  or  purchases  of 
intermediate  inputs (e.g., feed, hays, crop residues, vaccines, AI services), sales to households 
for final consumption (e.g.,  live animals, milk, eggs).   These fall  in category (b) which captures 
the multiplier effects of the livestock sector on the wider economy.   
The empirical challenge in estimating GDP of the livestock sector lies in ensuring that both the 
sizes  of  intra‐sectoral  and  inter‐sectoral  activities  would  not  be  underestimated  or 
overestimated.    There  is  an  additional  complexity  in  estimating  livestock  sector  GDP  –  the 
capital nature of livestock.   
2.2 THE ONE INDUSTRY CASE 
It proves useful to start illustrating the concept of GDP by using a highly simplifying assumption 
– that Ethiopia has only one  industry.    In this case, Ethiopia’s system of national accounts can 
then be  represented by a very simple matrix of 2 x 2 dimension  (shown on  the below).   The 
matrix  representation displays  information  in a highly efficient and  concise manner,  showing 
key relationships between different parts of the economy. 
9 
 
Table 1 – A One Industry Matrix Representation For Value Added Estimation In An Economy  
A   E  
V    
Where,   A = total value of intermediate, goods used to produce other goods 
V = total payments for services of primary factors of production (land, labour, capital) 
E =  total  value of  goods  consumed by  institutions  that  can be  categorised  into: households, 
government, organisation for gross fixed capital formation, net export (exports less imports).  
Focusing on  the 2x2 matrix  (Table 1) and  reading down column, we collect value of different 
inputs in the process of production (origins of goods).  The total cost of production equals gross 
value of production or output (GVO).     Therefore, GVO = A + V.   Now reading across the row, 
again we obtain  total value of output as  sum of  sales by destinations –  total value of goods 
consumed  (used)  in  the  process  of  production  and  total  value  of  goods  consumed  by 
institutions.  Therefore, GVO = A + E.  It follows that V = E.  
GDP is measured by following either the production approach (denoted by V in table 1) or using 
expenditure approach (denoted by E in table 1). The identity that states that V equals E implies 
that total payments for factor income in the process of production equals total expenditure by 
recipients of factor payments.  In other words, at aggregate economy‐wide level, total income 
equal total expenditure, one of the most important identities  in macroeconomic theory which 
underlie  the system of national accounts.   Therefore,  the simple 2x2 matrix presented above 
encapsulates the most essential relationships  involved  in estimating GDP.   Estimating sectoral 
GDP involves simply disaggregating the cells in this matrix (column 1 and row 1) by the number 
of sectors. A three industries case is presented and discussed in the following section. 
10 
 
2.3 THE THREE INDUSTRIES CASE 
A three industries case is suitable for the purpose of illustrating the conceptual framework for 
estimating  the  livestock sector GDP.   Table 2 below displays a system of accounts with  three 
sectors  ‐  livestock,  cropping,  and  the  other  industries.    The  aggregate  intermediate 
consumption  represented by a single variable A  in  table 1 above  is now disaggregated  into a 
sub‐matrix of 3 x 3 (the intersections between rows 1 to 3 with the corresponding columns 1 to 
3).   The first and second subscripts refer to receiving sector and paying sector, respectively. For 
instance, A31 denotes payment by the  livestock sector for intermediate inputs (e.g. processed 
feed)  supplied  by  feed  processors  in  the manufacturing  sector, which  is  categorised  under 
“other industries”. 
Table 2 – A Three Sector Inter‐Sectoral Matrix Representation For GVA In Agriculture 
  1.  
Livestock  
2.  
Cropping  
3.  
Other  
industries  
4.  
Consumers  
5.  
Total 
receipts  
1. Livestock   A11  A12  A13  E1  GVO1 
2. Cropping   A21  A22  A23  E2  GVO2 
3. Other industries   A31  A32  A33  E3  GVO3 
4. Factors   V1  V2  V3    V 
5. Total payments   GVO1  GVO2  GVO3  E   
 
At  first glance, the three sector matrix  (Table 2) may  look different from the highly simplified 
small matrix (table 1).  However, the two matrices show essentially the same set of information 
except for sectoral dimensions and the explicit display of the Gross value of output (GVO) row 
and column table 2.  Each account  is given a number with a description (e.g. 1. Livestock) and 
the value‐added row has become a vector with three entries, i.e., gross value‐added by sectoral 
origin;  and  the  aggregate  expenditure  column  has  now  three  elements,  i.e.,  expenditure  by 
commodity origins. 
In this study, we employ the three industries matrix as a conceptual framework on the ground 
that details of the remits of this study is expected to revise a range of estimates related to the 
11 
 
livestock  sector  (entries  in  row 1 and column 1 of  table 2).  In  this context,  it  is  important  to 
guard against the perception that the whole exercise would be to estimate just “livestock GDP” 
which would deal only with  the  contribution of  the  livestock  sector  to  Ethiopia’s GDP.    This 
would essentially mean focusing on only one entry in that matrix – V1.  This is a rather narrow 
perspective so  it would prove useful to explicitly recognize that the wider role of the livestock 
sector or ‐ the contribution of the livestock sector to the Ethiopian Economy.  
Table 2 provides a framework and details of separate entries that we have targeted to revise. It 
is useful to bear in mind that the system of national accounts (SNA) approach, sections related 
to the measurement of production pages 127 to 156 and particularly section 6.41(a) –  (f)).  In 
this  regard,  the  key  point  is  that  marketed  as  well  as  non‐marketed  outputs  need  to  be 
accounted  for  in  estimating  sectoral GDP  and GVO.  Therefore, we  set  out  to  accomplish  its 
duties by  resolving  this  conceptual  issue.    In  the next  few paragraphs,  entries  in  row  1  and 
column 1 are discussed in detail:   
Gross Value of Output (GVO1):  The primary task to accomplish was to gather data on livestock 
statistics; apply  suitable  rates and coefficients; and obtain  total output of  livestock products. 
The  rates  and  coefficients  are  related  to direct  and  indirect methods of measuring  livestock 
productivity.   For  instance,  in order to estimate total value of milk output  it was necessary to 
gather the following facts: total number of cattle, proportion of cows in total herd, proportion 
of cows giving milk from total cows, and milk yield per cow per year.  If we apply these ratios, 
then we obtain total volume of milk produced from the cows.  Since milk is also obtained from 
goats  and  camels,  it  is  necessary  to  apply  similar methods  to  obtain milk  from  the  other 
livestock categories as well as other livestock products (e.g. cattle sales through off‐take rates, 
etc).  Since GDP is a “flow concept” which involves aggregation of values of different products 
produced  during  a  particular  year,  then  it  is  necessary  to  select  a  base  year  for which  the 
livestock GDP and related variables would be estimated. 
Gross Domestic Product or GDP (V1): This is the livestock sector GDP per se and it is related to 
value added in the process of livestock production.  This consists of actual or imputed estimates 
of  labour  time  and  hence  compensation  for  labour  devoted  to  the  livestock  sector;  capital 
12 
 
rental  values  (e.g.  housing  services  for  livestock,  fencing,  etc);  and  land  rent.    Given  data 
paucity,  it  is  important  to  triangulate  the  estimation  of  this  figure,  an  extremely  important 
figure of all elements.  For instance, it is relatively more straightforward to estimate the GVO.  It 
is then possible apply ratio estimates  for technical coefficients of  intermediate elements  (A11, 
A21, A31) and then finally obtain V1 as a difference (V1 = GVO1 – (A11+A21+A31).   
Intermediate  inputs purchases (A31): These are  intermediate  inputs purchased by the  livestock 
sectors  from  non‐agricultural  sectors.    Since  these  inputs  are mostly  purchased  at market 
prices, reasonable estimates can be obtained from different sources.   
Imputed  Value  of  Crop  Residue  (A21):  This  entry  denotes  actual  or  imputed  values  of 
intermediate inputs for livestock production that are supplied by the cropping sector (e.g. crop 
residue).  It  is necessary to account for this, even  if that would mean replying mostly on other 
country experiences. 
Livestock  Products  used  in  the  Livestock  Sector  as  Intermediate  Inputs  (A11):    This  is  highly 
relevant estimate but rarely accounted for in livestock production in the context of developing 
countries.  For instance, total milk produced includes milk used by calves which is relevant since 
economics of livestock production involves calculation of energy intake, milk yield, etc.  
Livestock Products used  in  the Cropping  Sector as  Intermediate  Inputs  (A12):   This  consists of 
important estimates such as actual or  imputed sales value of manure used to improve fertility 
of soil for the crop production sector.   
Livestock Products used  in  the non‐agricultural sector as  Intermediate  Inputs  (A13): A range of 
estimates are included in this variable ‐ value of live livestock (cattle, small ruminants, poultry) 
sold  to  slaughtering  houses  or  directly  to  hotels;  dairy  products  sold  to  dairy  processing 
enterprises; value of honey sold to food processing industries.  
Livestock  Products  Sold  To  Institutions  (E1):  This  incorporates  sales  of  livestock  products  to 
domestic and non‐domestic  institutions –  sales  for  final  consumption  to households and  the 
government sector (e.g. raw milk directly sold to households or live animals sold to household 
13 
 
for  informal  slaughtering);  sales  to domestic  industries  for gross  fixed  capital  formation  (e.g. 
breeding stocks); and exports of  livestock products,  including  live animals (e.g., exports of  live 
cattle or small ruminants to the middle east).  
The Controversial Case of Hides and  Skins: The  sources of  supply  for hides and  skins  can be 
classified into the following four categories – 
• slaughter houses ‐ farmers sell live animal to traders who ultimately sell to slaughter houses 
located in towns or cities (A13) 
• rural households ‐ slaughter animals on farm for own consumption either slaughtering own 
livestock or livestock purchased by rural households from other rural households or traders 
(E1) 
• urban households ‐ live animals sold to traders who ultimately sell to households located in 
towns or cities (E1) 
The sale of hides and skins by slaughter houses (case (a)) is clearly non‐livestock. The reason is 
that  the  international  standard  industrial  classification  slaughtering  is  classified  in  the  10th 
division of manufacturing (A13).   This sub‐division sells the by‐product to tanneries,  leather, or 
sales to exporters, etc.  Which means this is a clear case where the livestock industry will be out 
of  the picture as  soon as  the  sale  takes place and  the  live animal changes hand.   Even  in all 
other cases,  (b) and  (c),  it  is extremely difficult both conceptually and empirically to attribute 
hides  and  skins  to  the  livestock  sector.  The  livestock  sector  is  a  primary  activity,  so  post‐
processing  livestock  products  cannot  be  classified  as  primary  Hides  and  skins  are  partially 
processed  products.  So,  hides  and  skins  are  inevitably  and  legitimately  belong  to 
manufacturing, by virtue of being partially processed in the (i) formal sector, when animals are 
slaughtered in known abattoirs; (ii) informal sector, when households and their compounds are 
used as some temporary slaughter houses.  In the later case, the household sector would act as 
producers  of  outputs, which  are  sold  to  tanneries,  leather  industries,  and  exporters  pretty 
much  like sales by abattoirs. We can safely  leave aside pursuing hides and skins because  this 
represents  interactions within  the manufacturing  sector or  the manufacturing  sector and  the 
final demand sectors. 
14 
 
Rental value of livestock capital (V1,V2): In table A1.2, entries in the value added row (V1,V2, V3) 
are sum of payments for services of all factors of production ‐ compensation for labour (own or 
employed);  property  rents  (buildings,  land);  non‐livestock  capital  (rents  of  machineries  or 
interest  payments);  and  livestock  capital.    However,  there  are  substantial  variations  in  the 
proportions in which the factors are combined in different sectors.  Oxen draft power, which is 
included  in V2, are  relevant  to only  the cropping sector and  it  remains as part of crop sector 
GDP but  it should be estimated separately to recognise the services of the  livestock sector to 
other sectors  in  the economy  (inter‐sectoral  linkage effect).   Similarly, services of dairy cows, 
included  in V1, are as  important as oxen draft power. While oxen draft power  is  inter‐sectoral 
role of livestock capital, services of cows in producing milk is an intra‐sectoral role of the capital 
value of livestock.  Oxen are used to produce crops, but cows are used to produce milk. These 
two capital services need to be explicitly estimated. 
3. ECONOMIC ACCOUNTS FOR LIVESTOCK SECTOR  
3.1 ESTIMATION OF GROSS OUTPUT OF LIVESTOCK SECTOR 
It is essential to obtain data on livestock numbers by type of livestock to estimate gross value of 
livestock  production  and  then  gross  value  addition  that  is  likely  to  have  taken  place  in  the 
livestock subsector of agriculture.  In other words, establishing the herd size, “stocks or assets” 
is  a  prerequisite  for  estimating  the  economic  size  of  the  sector,  “flows”,  from  the  livestock 
sector.   The  relationship between  stocks  and  flows  is mediated by estimates on  the  current 
level of productivity in the sector.   
In this study, the estimates of economic accounts for the livestock sector covers cattle; sheep; 
goats; camels; poultry; equines  (horses, mules and donkeys); and bee colonies  (beehives).    In 
this  section, we  start by examining herd  sizes  and  logically progress  to estimating economic 
activities associated with the livestock sector.   
15 
 
3.2 LIVESTOCK STATISTICS 
Table 3 below displays Ethiopia’s livestock statistics from 2004 to 2010. The table is divided into 
two  subsections,  the  upper part  showing  livestock  numbers  in  thousands  for  eight  livestock 
types  while  the  lower  part  shows  annual  growth  rates  of  the  corresponding  categories  of 
livestock types during the period.  The cattle population have grown from 38 million in 2004 to 
51 million in 2010.   
Table 3 – Livestock Population Statistics (2004‐2010) 
Numbers (‘000)  2004  2005 2006 2007 2008  2009 2010
    Cattle  38,103  38,749 40,380 43,125 47,571  49,298 50,884
    Sheep  16,575  18,075 20,734 23,633 26,117  25,017 25,980
    Goat  13,835  14,859 16,364 18,560 21,709  21,884 21,961
    Camel  471  459 438 616 1,009  760 808
    Poultry  35,656  22,605 32,222 34,199 39,564  38,128 42,053
    Horse  1,447  1,518 1,569 1,655 1,776  1,787 1,995
    Donkey  3,770  3,930 4,289 4,498 5,573  5,422 5,715
    Mule  321  318 341 326 377  374 366
    Beehives    4,546  4,020   4,884   4,800    4,600  4,598 
%Annual changes               
    Cattle    1.7 4.2 6.8 10.3  3.6 3.2
    Sheep    9.0 14.7 14.0 10.5  ‐4.2 3.8
    Goat    7.4 10.1 13.4 17.0  0.8 0.3
    Camel    ‐2.7 ‐4.6 40.9 63.7  ‐24.7 6.3
    Poultry    ‐36.6 42.5 6.1 15.7  ‐3.6 10.3
    Horse    4.9 3.4 5.5 7.3  0.6 11.6
    Donkey    4.3 9.1 4.9 23.9  ‐2.7 5.4
    Mule    ‐1.1 7.2 ‐4.4 15.7  ‐0.8 ‐2.1
    Beehives    ‐11.6 21.5 ‐1.7 ‐4.2  0.0 na
Source: Central Statistical Authority 
Similarly,  the  total number of  shoats  (sheep plus goats) has  increased  from 29 million  to 47 
million  during  the  period.   While  the  number  of  camels  nearly  doubled,  the  size  of  poultry 
population increased only by a relatively smaller amount – a rise from 36 million to 42 million. 
Similarly, the increase in the number of equines have followed similar pattern of growth as that 
16 
 
of camels.     The number of bee colonies or beehives has  increased only marginally during the 
period.   
Although table 3 shows livestock statistics for seven years, it is important to focus on one year 
to estimate the interconnected economic accounts for the livestock sector (shown in Table 2, in 
the preceding section).  In order to choose the baseline year,  it was necessary to examine the 
patterns  of  changes  over  the  seven  years  period.    The  annual  growth  rate  of  the  livestock 
populations  is shown  in the  lower part of Table 3.   There are considerably  large differences  in 
annual growth rates for each  livestock category across the years as well as between different 
livestock categories.   The substantially  large variations  in annual growth rates could partly be 
explained by destructions  in the  livestock population due to recurrent droughts  in some years 
and recoveries during the subsequent years. 
For  the purpose of  this  study,  it  is useful  to avoid a baseline year with  sharp  falls or  rises  in 
figures for one or more livestock category.  Choosing such a year as a baseline would jeopardise 
the accuracy of the estimates in the current estimates as well as future revisions, because the 
baseline estimates will be used as a yardstick  in  the  subsequent years. For  this purpose, we 
have  opted  for  taking  an  average of  three  recent  year  figures  (2008‐2010)  to  represent  the 
baseline  livestock number  for all  livestock categories.   Table 4 below  shows  such a weighted 
average figure which will be utilised for deriving economic accounts for the sector by applying 
appropriate productivity estimates. 
Although  we  have  smoothen  the  data  by  averaging  over  large  annual  variations,  it  was 
necessary  to  explore  further  and  see  if  the weighted  average  figures were  good  enough  to 
considered as baseline data  for establishing  the  foundation  for aggregate economic accounts 
on  the  livestock  sector  of  the  country.  To  this  effect, we  have  compared  the  figures  under 
weighted  averages  (2008‐2010)  were  compared  with  other  data  sources.    Adjusted  figures 
which are used for further computations are presented in the column labelled “adjusted figures 
2009”, and the percentage deviation of this column from the CSA data is presented in the last 
column of table 4.   For this adjustment, we have relied on FAO database, Behnke (2010), and 
17 
 
Demeke  (2008).   The adjusted  figure  for  cattle population was obtained  from FAO  statistical 
database, it is 3.2% greater than CSA data. 
Table 4 – Average Herd Size For Years 2008 To 2010 (In Thousands) 
  2008  2009  2010 Weighted 
Average 
(2008‐2010)
Adjusted 
figures
2009
% 
adjustment 
 
Cattle  47,571  49,298  50,884 49,288 50,884 3.2 
Sheep  26,117  25,017  25,980 25,714 35,866 39.5 
Goat  21,709  21,884  21,961 21,852 34,684 58.7 
Camel  1,009  760  808 873 2,400 174.9 
Chicken  39,564  38,128  42,053 39,981 42,100 5.3 
Horse  1,776  1,787  1,995 1,858 1,858 0.0 
Donkey  5,573  5,422  5,715 5,573 5,573 0.0 
Mule  377  374  366 372 372 0.0 
Beehives    4,600       4,598           4,599         4,599  0.0 
 
Behnke  (2010) have undertaken a thorough review of  the  literature  to establish  the  fact  that 
the  CSA  data  hugely  underestimates  the  small  ruminant  population.  Accordingly,  we  have 
opted to use Behnke’s estimates on sheep and goat population, which  is 40% and 59% higher 
than  the  CSA  estimates.    The  FAO  statistical  database  and  Behnke’s  estimate  provide  a 
considerably  larger  camel population, 175% higher  than  the CSA data.   The main  reason  for 
which  the CSA  data  consistently  underestimates  the  livestock  population  figures  is  that CSA 
surveys have been confined to sedentary farming zones, excluding pastoral areas.  This is clear, 
for  instance,  from  the huge underestimations of  camel and  small  ruminants. Demeke  (2008) 
provided poultry population which is slightly higher than the estimates obtained from the CSA 
data.    
3.3 TYPES OF LIVESTOCK PRODUCTS 
In the conceptual  framework discussed  in section 2, gross output of  livestock activities  (GVO) 
was  presented  as  a  highly  aggregated  variable,  consisting  of  a  range  of  livestock  products. 
These are displayed  in Table 5, which  shows a matrix of nine  livestock  types by  six  livestock 
product.   
18 
 
Table 5 – Livestock Type By Product Matrix 
  Off‐takes 
or live 
sales 
Milk  Egg  Rental 
incomes 
Honey  manure 
Cattle  L  L    O    L 
Sheep  L           
Goat  L  L         
Camel  L  L    O     
Poultry  L    L       
Horse        O     
Donkey             
Mule        O     
Beehives          L   
In the matrix, the intersections between row and column headings indicate whether or not the 
livestock type produces that type of  livestock product, with  letters representing existence and 
empty cells denoting non‐existence of a product for that combination.  For instance, there are 
only one relevant product for sheep ‐ “off‐takes” or live sales or slaughtering.  However, cattle 
is  a multi‐purpose  livestock  type  that  supports  livelihoods  of  farmers  by  generating  income 
from live animal sales, milk sales or consumption, rental incomes from draft power and manure 
use or sales.    
In  section 2 of  this  report we have discussed  that  it  is not appropriate  to classify all outputs 
generated by the “different  livestock types” as “livestock sector output”.  In Table 2, the  letter 
“L”  denotes  livestock  products  that  can  be  classified  under  the  gross  output  value  in  the 
livestock sector while “O” represents livestock services that enabled generation of gross output 
of other agricultural sectors or non‐agricultural sectors.   
For instance, milk produced by different livestock types constitutes part of total gross output of 
livestock economic  activity.   However, while  “O” under  “rental  income”  and  against  “cattle” 
denotes  oxen  draft  power  service  which  constitutes  gross  value  of  output  in  the  cropping 
subsector of agriculture, but “O” against camels, horses, mule and donkeys denotes gross value 
of output in the transport sector, a non‐agricultural sector which partly relies on animal power 
to  provide  transportation  services.    In  the  context  of  draft  power,  it  should  be  noted  that 
19 
 
owners of  the draft animals  receive payments  for  the  rental  services of  their assets which  is 
utilised  in other sectors.    In most cases, the services could be provided within a farm, but  it  is 
essential to make these distinctions in estimating economic accounts since different economic 
activities of a mixed farmer is accounted for in different agricultural subsectors – e.g. livestock 
and cropping subsectors of agriculture.  
In principle there should be some output of manure from all  livestock types but the Ethiopian 
national economic accounts have traditionally considered only dung or baked and dried cattle 
manure which is mostly used for fuel. Accordingly, due to paucity of information on manure use 
and sales we take into account only estimated value of cattle manure used for preparing dung.   
The most  important point  to bear  in mind  is  that  a  typical  livestock  type produces multiple 
outputs.   For  instance, the cattle “off‐takes” represents the proportion of animals sold  in that 
year, either slaughtered by households (e.g. during festive seasons), at slaughterhouses on daily 
basis to be distributed to butchers or hotels, or exported as live animals to foreign markets.  In 
the mean time, depending on conception and calving rates, the mature female cattle yield milk 
and  this  represents  total milk production which multiplied by milk price per  litre  gives  total 
value of milk during that year.   Similarly, some proportion of mature males  is used as oxen to 
plough crop  fields, providing services  to  the crop sector.   This rental value of oxen generates 
income  for  livestock keeping households  (as  institutions) but  this  figure  is registered as value 
added in the cropping sector since it is generated in that economic activity. 
3.4 ESTIMATES OF GROSS OUTPUT BY CATEGORIES OF LIVESTOCK 
PRODUCTS 
In  the  sub‐sections  below,  we  discuss  estimates  of  different  livestock  products  –  the  six 
different  categories  presented  as  column  headings  in  Table  5:  live  sales, milk  output,  egg 
output, rental services, honey output, and dung.  We take each of the livestock outputs in turn 
and present the estimates. It should be noted that the sum of all entries labelled as “L” in table 
5 above yield gross output of livestock production which is denoted by GVO1 in the conceptual 
framework discussed earlier  in the context of Table 1.   On the other hand, entries  labelled as 
“O” represent gross value added  in “other sectors”.   Specifically, rental services of oxen draft 
20 
 
power  (entry  “O”  at  the  intersection  between  “cattle”  and  “rental  services”  in  table  5), 
constitutes “V2”, or gross value added  in the cropping subsector.   Similarly, rental services of 
transportation or draft power of equines (entry “O” at the intersection between row headings  
of “horses”, “donkey”, “mule”, “camels”,   and   column headings “rental services”  in  table 5), 
constitutes “V3”, or gross value added in the transportation sector (non‐agricultural sector). 
3.4.1 OFF-TAKE OF LIVE ANIMALS 
Table 6 shows details of methods for calculating value of gross output from sale of live animals ‐ 
camels, cattle, goats and sheep.   The summary of  livestock statistics for each  livestock type  is 
taken from table 4 above.  The other variables involved in this computation are obtained from 
FAO statistical database.  In addition to livestock numbers, gross output is also affected by the 
off‐take coefficients – camel (0.04), cattle (0.07), goats (0.35) and sheep (0.33). The cattle off‐
take  coefficient  applied here  is equal  to  the  rate MOFED has  traditionally  applied but  lower 
than  the 0.09 rate used by Behnke. However,  the off‐take coefficients  for  the other  livestock 
categories  in  this  study  are  consistently  higher  than  those  applied  by MOFED  and  Behnke.  
While MOFED and Behnke have used average prices of live animals for all livestock categories, 
we found it useful to consistently measure “yield in carcass weight”, as applied by FAO for most 
countries.   
Table 6 – Estimates Of Gross Value Of Live Animals (2009) 
Livestock off‐take variables  Values and coefficients
a. Livestock  population (‘000) 
Camel             2,400.0 
Cattle           50,884.0 
Goats           34,684.4 
Sheep           35,866.3 
b. Off‐take ratios 
Camel                        0.04  
Cattle                        0.07  
Goat                        0.35  
Sheep                        0.33  
c. Yield/Carcass Weight (Hectogram/Animal) 
Camel                      1,200 
Cattle                      1,083 
21 
 
Goat                            85 
Sheep                         100 
d. Production (tonnes)  =  (a*b*100*c)/1000 
Camel                   12,000 
Cattle                 389,880 
Goat                 103,371 
Sheep                 117,346 
e. Producer Price (birr/tonne) 
Camel                   33,360 
Cattle                   36,079 
Goat                   25,218 
Sheep                   26,962 
f. Total value of production by animal type (million birr) = (d 
*e)/1000,000 
Camel                         400 
Cattle                   14,066 
Goat                      2,607 
Sheep                      3,164 
g. Total value of production ‐ all animals (million birr)                   20,237 
Source:  livestock number is obtained from Table 4 above, and the other coefficients are 
obtained from FAO statistical database. The computations involved are shown as necessary. 
This yield is converted to meat equivalents which were multiplied by price per tonnes of meat 
to arrive at gross value of sales of animals.  The aggregate figure obtained this way is displayed 
in the last row of table 6. Accordingly, estimate for gross value of sales of live animals is given as 
birr 20,237 million.  Clearly, gross value of livestock production through off‐takes is much higher 
than the corresponding figure estimated by Behnke and MOFED, which were birr 12,757 million 
and birr 9,653 million respectively.     The main explanation for such  large difference  lies  in the 
differences in the way the off‐takes are valued.  Pricing livestock units by averaging over all age 
and  sex  groups  can  lead  to  considerably  large divergence  from  the  realistic  prices  of  cattle.  
However,  “carcass weights” or even  “live weight” based pricing  follows  standard  conversion 
factors which reduce the livestock units to common denominator.  Clearly, we know a lot more 
about the price a kg or a tonne of beef than, for example, the price of cattle in general. 
22 
 
3.4.2 MILK OUTPUT 
The  procedure  employed  in  this  study  to  obtain  gross  value  of milk  output  from  different 
livestock types (camel, cattle, and goats) is displayed in Table 7 below.  
As we  have  done with  off‐takes, we  start with  total  livestock  population.   We  then  obtain 
lactation ratios or proportion of the corresponding livestock type that give milk during the year.  
The  FAO  statistical database provides  lactation  ratios of 0.21  for  camels  (which  is  about  the 
same as the ratios used by MOPED and Behnke) but it gives unrealistically low lactation ratios 
for  cattle  (0.13)  and goats  (0.03).    In  this  study, we opted  for using  lactation  ratios used by 
Behnke.  On the other hand, Behnke applied an extra‐ordinarily large lactation ratio of 0.6235 
for goats, which cannot be realistic for the Ethiopian condition.  As a result, we have opted for 
the  combinations  of  lactation  ratios MOFED  has  applied  to  different  livestock  categories  – 
camel (0.20), cattle (0.22) and goats (0.25).  
Table 7 – Estimates Of Gross Value Milk Production (2009) 
Milk off‐take variables  Values and coefficients 
Livestock  population (‘000)   
Camels             2,400.0  
Cattle           50,884.0  
Goats          34,684.4  
Milk animals (ratio of stocks)   
Camel                        0.20  
Cow                        0.22  
Goat                        0.25  
Yield (Hectogram/Animal)   
Camel                      3,860  
Cow                      2,154  
Goat                         500  
Milk production (tonnes)   
Camel                185,280  
Cow             2,411,291  
Goat                 435,289  
Milk producer price (Eth birr)   
Camel                   13,435  
Cow                      5,845  
Goat                      9,132  
23 
 
Gross value of milk produced ‐ by 
animal type (million birr) 
 
Camel                      2,489  
Cow                   14,094  
Goat                      3,975  
Gross value of milk produced ‐ all 
animals (million birr) 
                 20,558  
MOFED and Behnke have then gone  into classifying milk output  into  liquid milk and butter by 
applying conversion factors.  For two reasons, we did not follow this approach. First, there is no 
compelling evidence to guide the division of the volume of milk into the liquid milk and butter 
categories.  Second,  even  if  there  is  enough  data  to  guide  this  allocation,  converting milk  to 
butter  involves  some processing – essentially, butter  is not a primary product,  it  is a derived 
product.  The fact that the processing happened on farm does not make it any less important.  
Suppose  liquid  milk  was  sold  to  dairy  processors,  who  would  perform  the  same  task  of 
converting milk  into butter, among other  things.   Then we would not  classify  this processed 
product  as  “primary”  livestock  output.    For  the  purpose  of  economic  accounting,  it would 
suffice to appropriately value the primary output – liquid milk produced at farm level.   
Although we have valued only liquid milk equivalent (without classifying the total milk volume 
into butter and  liquid milk), the gross value of milk output obtained  in this study  (birr 20,558 
million)  is still higher  than  the corresponding  figure obtained by MOFED  (birr 19,471 million).  
However,  Behnke’s  estimate  of  gross  value  of milk  output  is  considerably  higher  than  our 
estimates  for  two  reasons. First, Behnke applied unrealistically high  lactation  ratio  for goats. 
Second, and most importantly, Behnke implicitly assumed that a lactation period is 12 months, 
but  this  is not  the case  in  traditional  farming  systems, where  it  is common  to have 15  to 18 
months  lactation period.   This means,  the milk  yield per  lactation which Behnke used  in  the 
report would need to be scaled down to bring it in line with yield per animal per year (not per 
lactation).    In  other words, what  is  relevant  for  the  purpose  of GDP  estimation  is  yield  per 
annum, not yield per lactation.  
As  noted  earlier,  the  bulk  of  production  and  producer  price  data  used  in  this  study  was 
obtained  from  the  FAO  statistical  database.    For  Ethiopia, milk  producer  price  per  tonne  is 
24 
 
available only for cow milk.  However, we explored if this was the case for other neighbouring 
countries  and we  found out  that  actually  the  FAO database has milk producer prices  for  all 
livestock type (camel milk, cow milk, and goat milk) for Kenya.  There are substantial producer 
price differences between these milk categories – in Kenya, producer prices for camel milk and 
goat milk being 2.3 and 1.6 times cow milk prices respectively.   We have applied similar price 
differentials to the Ethiopian data.   
To begin with, the cow milk producer price for Ethiopia, given in the FAO database and applied 
in  this study,  is 1.2  times higher  than  the  figures used by MOFED and Behnke.   Similarly,  the 
camel milk and goat milk producer price used in this study are 2.4 and 1.4 times higher than the 
corresponding producer prices used by MOFED and Behnke.    
3.4.3 POULTRY PRODUCTION 
Table 8 below displays summary statistics  for estimating poultry related production. The FAO 
statistical  database  indicates  that  about  57.8  million  chicken  were  slaughtered  in  Ethiopia 
during 2009. At 881 gram average carcass weight per chicken, total chicken meat amounting to 
50.9 million  tonnes  was  produced.    In  the  FAO  statistical  database,  the  producer  price  of 
chicken meat was given as birr 39,103 per tonne (or about birr 34 per chicken).  The estimated 
gross value of chicken meat during 2009 was estimated at about birr 1,990 million.   Similarly, 
the estimated gross value of total egg production was about birr 498 million.  Thus, estimated 
gross value of poultry production was birr 2,488 million.  Poultry production was not taken into 
account in Behnke’s estimates of gross value of livestock output.  
25 
 
Table 8 – Estimates Of Gross Value Of Poultry And Egg Production 
   
Chicken meat production   
Producing animals/slaughtered (1000 head)                   57,800  
Yield/Carcass Weight (gram/Animal)                      880.5  
Production (tonnes)                  50,893  
Price of chicken meat (birr/tonne)                  39,103  
Total value of chicken meat produced (million birr)                      1,990  
Eggs production   
Laying (1000 Head)                      8,600  
Yield ( gram/chicken)                   3,589  
Production (tonnes)                   30,865  
Producer Price (birr/tonne)                    16,124  
Total value of egg produced (million birr)                         498  
Total value of chicken meat and egg production (million 
birr) 
                   2,488  
3.4.4 HONEY PRODUCTION 
Information obtained  from CSA  (2009/10)  indicated  there were about 4.6 million beehives  in 
Ethiopian during 2009.  This is the same as the figure reported in the FAO statistical database.  
The bulk of the beehives (97%) are traditional, with a yield of 7.0 kg of honey per year.  Modern 
beehives constitute only 3% of the total beehives but their yield per year is 25 kg per hive, more 
than 3 times the yield of traditional beehives.  The semi‐modern or transitional beehives are a 
mere one percent of  total beehives but  they  are  just over  twice  the  level of productivity of 
traditional beehives.  Producer price of honey per kg was 22.0 birr according to the information 
obtained  from  the  producer  price  database  of  CSA.    Thus,  the  gross  value  of  total  honey 
produced  in Ethiopia during 2009 was estimated at birr 760.7 million.  In addition  to poultry, 
honey production was not  included  in Behnke’s estimates of gross value of  livestock outputs. 
With regard to bee‐wax production, no significant bee‐wax is produced from modern beehive‐ 
as one of the indications of the quality of modern beehive that enables beekeepers to produce 
quality honey. Transitional (intermediate) and traditional bee keeping practices, the proportion 
of  crude  wax  that  can  be  produced  accounts  for  20%  of  the  total  honey  production, 
respectively.  
26 
 
Table 9 – Estimates Of Gross Value Of Honey Production 
   No. of 
Beehives 
(000)* 
Honey 
yield 
(kg/hiv
e/year)
** 
Production 
(000, kg) 
Total 
value 
(million 
birr)x 
% of 
crude 
bee 
wax  
Crude bee 
wax 
produced/ 
annum 
(Million kg) 
Average 
farm gate 
price of 
(Birr/kg) 
Annual 
income  
(Million 
Birr) 
Modern  118.0  25  2,951.6 64.93 0 0  25 0
Transitional  33.1  15  497.2 10.94 20 9.94  25 248.6
Traditional  4,447.0  7  31,129.1 684.84 20 6.23  25 155.6
Totals  4,598.2  7.5  34,577.9 760.71   16.2  25 404.3
Source:   * CSA (2009/10) 
**National Bee Research Institute (2011). Note: x @ 22 birr Producer price of honey per 
kg, which was obtained from producer price database of CSA. 
3.4.5 OXEN DRAFT POWER 
In  the Ethiopian agricultural  systems, oxen play a major  role as  source of animal  traction  for 
preparation of crop lands. According to 2009/10 CSA data, there were a total of 12.8 million (or 
6.4 million pairs) of oxen providing draft power. ILCA (1986) estimated that oxen work for about 
60  days  per  year  on  average  in  Ethiopia.  Azage  (1998)  agrees  that  oxen work  for  about  2 
months per year.  The rental value of a pair of oxen in Ethiopia without farmer was Birr 40.00 
per day on average.  
Table 10 – Estimates Of Gross Values Of Oxen Traction Power 
Descriptions   Values 
Total number of a pair of oxen (million)                   6.4 
Average number of days spent by oxen in land preparation                 60.0 
National average rental value of a pair of oxen per day (birr)                 40.0 
Total value of oxen draught power in Birr (Million)          15,419.1 
Behnke’s reported that animal draft power (although it is not clear whether or not this includes 
equines used  in ploughing crop  lands) generate gross value added worth birr 21,500 million.  
This is greater than our estimate by 40%.  The main source of such an inflated estimate lies in 
the method  Behnke  applied  in  obtaining  the  figure.    Instead  of  starting  with  draft  animal 
population, their employment rate per year, and the payment for their services, Behnke opted 
for starting with cultivated agricultural  land, proportion of farmers who use draft animals and 
27 
 
rough estimates of the share of draft animals in gross value added in crop production.  Surely, 
there  are  plenty  of  compounding  errors  involved  in  such  series  of  strong  assumptions  and 
extremely indirect methods.   
3.4.6 TRANSPORTATION AND DRAFT SERVICES OF EQUINES 
Equines render considerable services to the national economy mainly in delivering services for 
transportation and as source of draught power. According to CSA (2009/10) agricultural sample 
survey report, draught animal refers to animals that are engaged in activities such as ploughing, 
threshing, etc. Estimation of services of equines was done by using census data of 2009/10 (CSA 
2010). Census data disaggregated  (horses, donkeys and mules) aged 3 years and above, and 
camels aged 4 years and above according to their services, mainly transportation and draught, 
as displayed in table 11 below.   
Table 11 – Estimates Of Gross Value Of Services Of Equines 
  Number  Service 
Days/year 
Rental services 
(Birr/day) 
Value (Million 
Birr/year) 
Horses   
       Transportation   1,208,433 46 25  1,390
       Draft  143,955 42 35  212
Donkeys         
       Transportation   3,478,579 80 15  4,174
       Draft   813,845 48 15  586
Mules   
       Transportation   292,492 46 30  404
       Draft  15,062 42 40  25
Camel   
       Transportation   169,962 36 40  245
Gross value of services    7,035
Source: livestock census (CSA 2010) 
While  horses,  donkeys  and  mule  provide  both  transportation  services  and  draft  power  to 
plough crop lands, camels (which are also included in this analysis) provide only transportation 
services.  
28 
 
The number of average service days and average daily rental values were obtained from case 
studies  and  key‐informant  interviews with  agriculture  professionals  and  farmers  of  different 
regions. The study made by Mengistu et al. (2008) in northern Ethiopia, South Gonder zone of 
Amhara Region reported the average service days of equines (horses, mules and donkeys) in a 
year for transportation and draft power. This finding was confirmed with information collected 
from key‐informant telephone interviews with agriculture experts of Awi zone in western parts 
of Amhara Region, which  is a dominant area  in the utilization of horses and mules as draught 
power source and transportation.  Similarly, the annual average service years of donkeys in the 
central  rift  valley  of  the  country was  obtained  from  Adami  Tulu  Jido  Kombolcha  district  of 
Oromiya Region. Camel renting is also a common practice in North Eastern part of the country 
in Bati district of Amhara Region. The study made by Agajie and Takele (2008) in Bati District of 
Amhara Region reported average service days of camel in a year and daily rental values.  
Accordingly,  gross  value  of  equines  transportation  and  draft  services were  estimated  at birr 
7,035 million.  It  is  important  to  stress  that estimates  reported here are based on extremely 
rudimentary  set  of  information,  simply  because  the  economic  role  of  equines  are  not  yet 
studied  systematically  covering  different  agro‐ecological  zones  of  Ethiopia.    This  is  a  very 
important area for future research.  
Benke’s  estimate  of  value  added  by  equines  was  birr  18,959  million,  nearly  3  times  the 
corresponding gross output estimated in this study.  The methodology he employed for arriving 
at this particular figure is very unclear, but he relied on a study which was cited in the body of 
the report but not listed in the references.  In any event, the cited study covered only a specific 
district  in  the  Southern Nations  and Nationalities  Region  (SNNR).   Additionally,  the way  the 
reference was made (see Behnke 2011, p.19), is not possible to make any judgement whether 
the particular study was referring to gross value of equines services, sales value of the equines, 
or gross value added. There was a reference to birr 5323 per annum per household, which was 
then  grossed  over  to  all  households  in  Ethiopia,  but  in  our  view  this  is  a  very  unrealistic 
estimate and an extremely exaggerated figure.  
 
29 
 
3.4.7 DUNG PRODUCTION 
Table 12 below provides a summary of dung production.  We have followed Behnke’s approach 
but  it was necessary to revise the estimated values.   Behnke’s estimate was confined to dung 
for  fuel, which was  influenced by  a previous  study by  the  Ethiopian  Energy Authority  (EEA).  
Since dung production has traditionally been limited to using cattle manure, the EEA study did 
not go beyond estimating biomass of manure from cattle.  However, Behnke have gone further 
and explored other research findings which estimated total manure production from all other 
livestock  categories,  by  converting  this  to  cattle  equivalents  using  tropical  livestock  unit 
conversion  method.    In  the  end,  the  estimated  manure  yield  was  applied  to  the  cattle 
population, except that the coefficient was changed from the EEA estimate of 0.182 tonne per 
cattle per year to 0.237 per cattle per year.  As far as the role of manure of dung production is 
concerned,  it  is  important  to  retain  the  EEA  approach  simply  because  it  is  not  common  to 
produce dung  from manures of equines and small  ruminants.   Therefore, we opted  for using 
the EEA coefficient and then applied to only the cattle population, without taking into account 
the other livestock categories.   
Table 12 – Estimates Of Gross Value Of Dung Produced 
Descriptions  values
Cattle number   50,884,000 
Dung production per cattle per year (tones)   0.182 
Price of dung (birr/ton)  306 
Gross value of dung produced (million birr)  2,834 
Accordingly,  the gross value of dung production was estimated at birr 2,834 million, which  is 
slightly higher than the average of MOFED and Behinke estimates.  At this point, it is important 
to  stress  that  the  role  of  livestock manure  in  the  Ethiopian  economy  is  likely  to  have  been 
grossly  underestimated.    Perhaps  EEA’s  study  seems  to  have  set  a  tradition  of  looking  at 
manure  only  from  fuel  and  energy  perspective.    Accordingly,  both  MOFED  and  Behnke’s 
estimated  have  not  gone  from  beyond  manure  use  for  dung  production.    However,  the 
economic  role  of manure  as  fertilizer  in  agricultural  production  activities  is  by  far  the most 
important economic  role of manure production.    In  this  context,  there  is  simply no need  to 
consider  only  cattle manure,  since manure  from  all  livestock  types  are  equally  relevant.    In 
30 
 
terms of methodological approaches, the key lies in converting manure to fertilizer equivalents 
and then compute how much it would cost if the same plot of land was farmed using fertilizer 
rather than manure.  This is a very important area for further research.   
3.5 ESTIMATES OF COSTS OF INTERMEDIATE INPUTS IN LIVESTOCK 
PRODUCTION 
Estimate of total intermediate cost of livestock production is very rudimentary.   The estimates 
reported  here  are  very  likely  to  grossly  underestimate  the  actual  costs  because  the  bulk  of 
livestock rely on natural resources which are not yet appropriately valued ecosystem services.  
Even  for  those  that are valued,  the  information  system  in  the Ethiopian context  is extremely 
sketchy.  Therefore, we stress that the estimates we provide in this regard need to be read with 
caution.   
There are  three different  categories of  intermediate  inputs  that are  reported  in  this  section. 
Table 13 provides summary of feed costs, taking into account the proportion of total livestock 
that depend on supplementary feed (roughages and concentrates) and estimated costs of these 
feed  types.    The  total  cost  of  feed was  estimated  at  birr  10,152 million  (the  sum  of  costs 
estimated for different livestock types).   
Table 14  reports  total costs of health costs, which  is basically obtained by summing  together 
total costs of different types of health products distributed or sold during the year.  These add 
up to birr 22.3 million.  Additionally, there was a separately estimated total breeding cost which 
was  obtained  by  estimating  total  costs  of  semen  distributed  or  sold  during  the  year, which 
comes to birr 2.0 million.   
Therefore,  the  total  cost  of  intermediate  inputs  was  obtained  by  addition  of  the  three 
categories discussed above, and this yield birr 10,176 million. It should be noted that Behnke’s 
did not make any attempt at estimating costs of livestock production. 
31 
 
Table 13 – Estimates Of Total Feed Costs 
  Cattle  Sheep  Goat  Poultry   
Livestock population   50.9 35.9  34.7 42.1
% of livestock fed on supplementary feed  8.1 2.5  3.4 3.4
Number of livestock fed on supplementary feed (Million)  4.1 0.9  1.2 1.4
TLU Conversion factors   0.7 0.1  0.1 0.0
TLU fed on supplementary feed  (Million)  2.9 0.1  0.1 0.0
Total dry matter intake per TLU (kg/day) (Million)  7.1 10.0  10.0 15.0
Total dry matter intake all livestock units (million kg/day)  20.5 0.9  1.2 0.2
Total dry matter intake all livestock units (million kg/annum)  7476.8 327.3  430.4 78.4
Share of roughage intake in total dry matter intake  0.7 0.7  0.7 0.7
Share of purchased roughage   0.3 0.3  0.3 0.3
cost per unit of purchased roughage (birr/kg)  1.3 1.3  1.3 1.3
cost per unit of purchased concentrates (birr/kg)  3.0 3.0  3.0 3.0
Cost of roughage  per annum (million birr)  2400.8 105.0  138.3 25.2
Cost of concentrate  per annum (million birr)  6729.2 295.0  387.4 70.7
Total feed cost (million birr)  9130.0 400.0  525.7 95.9
 
Table 14 ‐  Estimation Of Health Related Costs For Animals For The Year 2009/10 
Type products  Unit   Unit price 
(Birr) 
Performance of 2009/10 
Quantity 
(Dose)  
Value (Birr) 
Bacterial vaccines              
CBPP (Contagious Bovine 
Pleuropneumonia)  
Dose  0.25 5,201,400  1,300,350
Anthrax   "  0.25 8,061,100  2,015,275
Blackleg   "  0.50 6,398,450  3,199,225
Sheep and Goat pasteurellosis  "  0.40 6,241,900  2,496,760
Bovine pasteurellosis  "  0.40 4,999,200  1,999,680
CCPP (Contagious Caprine 
Pleuropneumonia) 
"  1.35 543,712  994,276
Fowl Typhoid   "  0.20 839,700  167,940
Viral Vaccines   "        
LSD (Lumpy Skin Disease)   "  0.30   5,081,610   1,524,483
Sheep and Goat Pox  "  0.15   8,864,340   1,329,651
PPR (Peste Des Petits Ruminants)   "  0.25   11,653,850   2,913,463
FMD (Foot and Mouth Disease)   "  7.00   348,370   2,438,590
32 
 
African Horse Sickness   " 0.45  1,206,660   542,997
Newcastle Disease Lasotu  "  0.12   1,189,140   142,697
Newcastle Disease HB1     0.12   1,271,800   152,616
Newcastle Disease Thermo Stable 
Vaccine  "  0.15   2,950,513   442,577
Fowlpox Vaccine   "  0.20   586,210   117,242
Gumboro Standard Vaccine  "  0.15   1,235,500   185,325
Rabies Vaccine   "  7.00   24,922   174,454
Sub‐total       66,698,377  22,137,600
Saline      3.25   43,334.00   171,288
Total          22,308,889
Source:  National Veterinary Institute 
3.6 ESTIMATES OF LIVESTOCK GROSS DOMESTOC LIVESTOCK PRODUCT  
 
Table 15 provides  summary  statistics and estimates of  livestock  sector GDP.   This  is done by 
bringing  together  estimates  reported  in  Table  6‐14.    The  first  rows  report  gross  value  of 
livestock output as sum of values obtained from estimates of off‐takes, milk, poultry, honey and 
manure.  This gives birr 46,671 million.   
Table 15 – Estimates Of Gross Domestic Products Related To Livestock Activities 
Categories  Values (million birr) 
Gross value of outputs  46,671 
Off‐takes (cattle, shoats, and camel)  20,237  
Milk   20,558  
Poultry  2,488  
Honey  553  
Dung  2,834  
Cost of livestock production  10,176 
GDP of livestock activities (GDP ‐ LA)  36,495 
GDP of livestock services in other sectors (GDP ‐ LDA)  22,454 
GDP of livestock related activities (GDP‐LRA)  58,949 
GDP ‐ agricultural (2009) GDP‐AGRI*  165,489 
GDP ‐ aggregate (2009) ‐ GDP‐AGG*  357,340 
GDP‐LA/GDP‐AGRI (%)  22.1 
GDP‐LA/GDP‐AGG (%)  10.2 
GDP‐LRA/GDP‐AGRI (%)  35.6 
GDP‐LRA/GDP‐AGG (%)  16.5 
Source: computed from different tables; * obtained from MOFED’s website. 
33 
 
By far the most confusing aspect of Behnke’s report was the fact that he reported gross value of 
livestock production as livestock sector GDP (see Behnke 2010, pp. 31‐32).  Therefore, the main 
difference  between  this  study  and  Behnke’s  report  lies  in  the  fact  that  Behnke  does  not 
distinguish  between  gross  value  of  livestock  output  and  gross  value  added  in  livestock 
activities (or  livestock GDP).   However,  it  is vital to make distinguish between values of gross 
output and gross value added.   
Accordingly, we go  further and calculate  livestock GDP by deducting  total  intermediate costs 
from  the  total gross output, as clearly discussed  in  the conceptual  framework  in Table 2 and 
reported below in table 15.  Accordingly, the size of GDP generated in the process of livestock 
production was  estimated  at  birr  36,495 million.    Clearly,  the GDP  figure we  report  here  is 
considerably lower than the figure Behnke reported as GDP. In table 15, GDP generated in the 
livestock sector itself is labelled as GDP‐LA (GDP in livestock activity). 
It should be noted that GDP generated by livestock capital services in “other sectors” added up 
to a birr 22,454 million.  This is the sum of oxen and equines GDP generated by draft power in 
cropping subsector of agriculture, V2 in Table 2, and equines transportation services in the non‐
agricultural  sector,  V3  in  table  2.      In  table  15,  we  labelled  these  as  GDP‐LDA  (livestock 
dependent activities).    If we  sum  together GDP‐LA and GDP‐LDA,  then we obtain birr 58,949 
million which is GDP generated in all livestock related activities (GDP‐LRA).   
Now  it  is  appropriate  to  present  these  figures  as  percentage  of  agricultural  and  aggregate 
national  GDP.    GDP‐LA  constitutes  22.1%  and  10.2%  of  agricultural  and  national  GDP 
respectively.   On  the  other  hand, GDP‐LRA  constitutes  35.6%  and  16.5%  of  agricultural  and 
national GDP respectively. 
34 
 
4. CONCLUSION 
The  primary  purpose  of  this  study was  to  examine  and  evaluate  findings  in  Behnke  reports 
(2010  and  2011)  on  economic  accounts  related  the  livestock  sector  in  Ethiopia.    For  this 
purpose a taskforce was formed by bringing together experts from different governmental and 
non‐governmental organisations in the country.  The taskforce started its activities by focusing 
on establishing a  consistent and  comprehensive  conceptual and analytical  framework, which 
was  then used  it  to examine details of  findings  in  the  two reports produced by Behnke.   The 
activities of  the  taskforce was not  limited  to establishing an analytical  framework, but  it was 
also necessary to redo the task of the estimation of gross outputs produced through a number 
of livestock activities, costs of livestock production and then gross value added generated in the 
process  of  livestock  production.    In  the  process,  the  gross  livestock  output  for  different 
subsidiary accounts in the system of livestock sector accounts reported in Benhke report were 
compared with  the corresponding  findings of  the  taskforce.    In each case, we have provided 
commentaries  throughout  the  report explaining possible  sources of divergence between our 
findings and those reported in Behinke’s reports.  Consequently, it is not appropriate to repeat 
the  detailed  assessments  here  since  they  are  clearly  stated  in  the  body  of  this  report  in 
different  sections.  Here  we  concentrate  on  providing  comments  on  four  broader 
methodological problems in Behnke’s approach to estimating livestock sector GDP. 
First, by far the most serious conceptual and methodological problem in Behnke’s report is this 
– no distinction was made between “gross value of output” and “gross value added or GDP”.   
In  fact,  in both  reports  (2010 and 2011) gross output  figures are conveniently  referred  to as 
gross value added or gross domestic product.  This is a very unusual method and it departs from 
the convention of systems of national accounts in a major way.  
Second,  the established  system of national accounts  (SNA), which guides  the estimation and 
establishments  of  system  of  national  accounts  in  all  countries  in  a  standardised way  clearly 
defines “sectoral value‐added” – compensation for different factors of production employed in 
that sector or industry.  The value‐added by a particular factor of production in a specific sector 
35 
 
is accounted for as value‐added in the sector that has employed the factor of production.  For 
instance, “oxen draft power” is a capital service employed in the cropping sector and the value‐
added should be accounted for in the cropping sector – NOT in the livestock sector.  Of course, 
the  owner  of  the  oxen  receives  payments  for  the  services  of  the  oxen,  and  in most  cases, 
actually it is the same farmer who used the oxen to plough his own field where he would like to 
grow crops.   However,  the  system of national accounts  records  these  separately, even  if  the 
activities are generated on the same farm.  The fact that the value‐added attributable to oxen 
draft  power  is  recorded  in  the  cropping  sector  does  not make  the  livestock  sector  any  less 
important  in  its role to support  livelihoods.   In spite of these facts, Behnke’s report presented 
draft  power  and  transport  services  related  value‐added  or  GDP  as  “livestock  sector  GDP”.  
However, we have  clearly  shown  in Table 15  that  these  constitute part of GDP generated  in 
livestock  dependent  other  sectors.    For  this  purpose, we  have  separately  reported  livestock 
specific  value‐added  (GDP‐LA),  livestock  dependent  sectors  value‐added  (GDP‐LDA),  and 
livestock related value‐added (GDP‐LRA = GDP‐LA + GDP‐LDA).   
Third, the lack of conceptual clarity and the extent of departure from the standard methods of 
SNA got even worse in the second Behnke report (Behnke 2011).  The “financial, insurance, and 
risk” related values reported as “livestock sector GDP” are by far the most strange and unheard 
of  methods.    This  is  not  to  say  such  concepts  do  not  exist  in  the  literature  on  the  rural 
economies, particularly  in  the context of  livelihood  frameworks.   However,  these are not yet 
brought in line with system of national accounts, as reported in aggregate economic statistics.  
Even  if  we  decide  to  be  innovative  and  start  imputing  such  services  including  them  into 
Ethiopia’s  system  of  national  accounts,  Behnke’s  report  has  not  applied  the  kind  of  rigor 
required to accomplish such a task. For instance, inflation adjusted rural credit in Ethiopia was 
assumed to bear 100% interest rate, this was arrived at by applying the maximum of references 
cited (see Behnke 2011, p. 16, table 4). At the very least, some average figure should have been 
taken.  In any event, this was simply grossed over implicitly through some double counting – in 
effect, the off‐take value estimates were simply multiplied by 2.  This implies that, for instance, 
when a farmer sales an oxen for birr 3000, then this off‐take value constitutes a sales value, a 
direct benefit, and then we would need to account for the  insurance value of the oxen during 
36 
 
its  stay  on  farm,  because  the  farmer  did  not  take  any  credit  on which  he would  have  paid 
another 3000 as  interest.   However, we do not find this  logic convincing at all, and we would 
need to confine the estimates to existing practices. 
Fourth,  in  addition  to  the  finance  and  risk  related  conceptual  problem,  the  second  Behnke 
report  confused  the  “production”  and  “expenditure”  approaches, on  the one hand,  and  the 
SNA  based  direct  estimations  of  economic  accounts with  “multiplier” methods.    In  spite  of 
some shortcomings, most of which were reported  in this study, Behnke’s  first report  (Behnke 
2010) was  confined  to  the  production  approach  in  estimating  gross  outputs.   However,  the 
second report has gone overboard, mixing production, expenditure, and even multiplier effects.  
Consequently, Behnke moved very rapidly from the realistic range of estimates for the livestock 
sector GDP ‐ interchangeably using gross outputs, gross value‐added or GDP, on the one hand, 
and  production  approach  and  expenditure  approach  on  the  other,  and  as well  as multiplier 
effects and economic benefits (see Behnke 2011, p. 20 Table 11).   
5. KEY FINDINGS AND RECOMMENDATIONS 
In  line  with  the  remits  of  this  study,  the  taskforce  is  expected  to  come  up  with 
recommendations for MoFED, CSA and MoA to improve the accuracy of estimates of livestock’s 
contribution to Ethiopia’s GDP.  Such recommendations are already stated in different sections 
of this report where further details of recommendations for methodological improvements can 
be  found.    Here we  focus  on  summary  of  key  recommendations  by  classifying  them  under 
broad topics.     
Improvements of livestock statistics 
The taskforce agrees with the findings of the Behnke reports – Ethiopia’s  livestock statistics  is 
incomplete and fluctuates considerably between years.   First, the  livestock data  is  incomplete 
because  it has been confined to sedentary farming parts of Ethiopia, and the pastoralist areas 
are yet  to be brought  into  the CSA census and sample survey  frameworks.   However, a good 
proportion of the livestock population is located, and most importantly, the role of livestock in 
livelihoods is most critical in lowland, pastoral and peripheral parts of the country.   
37 
 
Recommendation 1: The CSA,  in  collaboration with  the MoA, will need  to  conduct a baseline 
estimate of the livestock population in pastoralist areas.  
Second, the CSA livestock data lies in its extreme year‐on‐year variation.  It is not clear whether 
such oscillations in the time series data are due to exogenous shocks such as droughts or animal 
diseases  or  data  inaccuracy.    In  any  event,  the  existence  of  such  variations  is  likely  to 
considerably reduced confidence among researchers and policy makers in the reliability of the 
data series.   
Recommendation 2: The CSA  censuses and  sample  survey  reports  should be accompanied by 
explanations  for extreme year‐on‐year variations  in the  livestock data series.    If the variations 
are due to changes  in survey methods and procedures, then it  is  important to update the data 
series  by  adjusting  the  data  series  of  the  previous  years  by  using methods  and  procedures 
applied to the latest year.  The key point here is that CSA has to improve livestock data reliability 
and hence gain confidence of users of the data series. 
Livestock productivity measurements 
It should be noted that the consultancy study presented  in the Behnke reports as well as the 
taskforce  study  have  not  had  enough  time  and  resources  to  undertake  a  complete  and 
comprehensive assessment of productivity of Ethiopia’s livestock.  Like the Behnke report, this 
study  relied  on  ad  hoc  coefficients  to  estimate  productivity  of  the  livestock  population.  
However,  the  taskforce  study  has  developed  consistent  and  comprehensive  sets  of  logic  to 
improve measurements of livestock productivity.  A major shortcoming of the existing methods 
employed  by MoFED  and  also  implemented  in  the  consultancy  study was  the  inappropriate 
valuation method.  As noted in the report, average prices of live animals are extremely arbitrary 
since  they  involve  averages  over  livestock  units  in  different  age,  sex  categories  as  well  as 
different body conditions.  As a result, it is important to follow established FAO methodology in 
using “carcass weight” and then applying prices of meat per unit of weight (kg or tonnes).   
Recommendation  3:  In  estimating  gross  value  of  livestock  output, MoFED  should  follow  the 
animal carcass weight based valuation method, changing from the current practice of applying 
38 
 
average prices of livestock units.   Similarly, CSA will need to change valuation of livestock units 
to  weight  based  methods  in  generating  producer  prices  and  consumer  prices  for  livestock 
products.   
In addition to valuation methods, livestock productivity is affected by the coefficients applied in 
measuring  such  key  variables  as  “off‐take  rates”.    In  livestock  weight  based  productivity 
measurements,  estimated  gross  values  of  “off‐takes”  of  different  livestock  types  are 
determined by the “off‐take rates” or the ratio of livestock sold to the corresponding livestock 
population  and  the  estimated  “average  carcass  weight”  of  each  animal  sold.  The  most 
important point to take into consideration in revising these coefficients is to check the accuracy 
of  the existing estimates by comparing the coefficients to the actual productivity, on the one 
hand, and comparing findings from local estimates to international standards.  For instance, the 
“off‐take  rates” applied  to  “cattle”  in Ethiopia’s data  in  the FAO  statistical database, 0.07,  is 
closely  to  the  corresponding  figures  applied  to  livestock  data  in  the  same  database  to 
neighbouring  countries  in  the  same  level of development – Uganda  (0.07) and Sudan  (0.09), 
although Kenya  (0.21)  is much higher and perhaps rightly so since the  livestock sector  in that 
country  is more developed  than  that of  Ethiopia or  the other  countries.   However,  “carcass 
weight” applied to each cattle for Ethiopia is considerably lower than the corresponding figures 
for the other countries –  lower by 38% than Ugandan cattle, 11% than Sudan cattle, and 28% 
than Kenya cattle.   
Recommendation 4: CSA and MoFED should conduct a collaborative study to estimate “off‐take 
rates” and “carcass weight per animal” for different livestock units. Revising these estimates is 
extremely  important to update Ethiopia’s  livestock productivity and make them comparable to 
other  countries.    The  productivity  assessments  should  aim  at  updating  productivity  of most 
livestock units and their products as displayed in Table 5 the derivation methods discussed in the 
subsequent sections.   
Economic value of manure 
39 
 
The measurement of  the economic value of manure has  traditionally been  confined  to dung 
production, and hence by implication it  is  limited to “cattle manure”.   As noted in the Behnke 
report,  this  tradition has simply  followed  the early start of  the Ethiopian Energy Authority  to 
estimate the energy role of dung.  However, there is no reason to  limit the economic value of 
manure to dung production. It is important to expand the role of manure to its role as fertilizer. 
Recommendation  5: MoFED  should  expand  the  gross  value  of manure  production  by  going 
beyond  the role of dung cake as  fuel and  recognizing  the role of manure as  fertilizer.   To  this 
effect, we recommend the conversion of manure biomass produced to fertilizer equivalent and 
hence compute the gross value of manure production accordingly. 
Rental values of livestock as capital 
This  study has provided a conceptual  framework  for  studying  the  role of  livestock as capital.  
However, we have relied on incomplete information to provide the initial estimates of the sizes 
of the gross value added generated thorough livestock capital in other sectors of the Ethiopian 
economy.  
 Recommendation  6: MoFED  should  revise  and  reallocate  factor  payments  in  the  cropping 
subsector of agriculture and the transport sector to recognize the roles of equines and oxen  in 
generating gross value added in these sectors.  In the existing estimates of cropping sector and 
transport sector GDP figures, the share of livestock capital have been subsumed under the share 
of “capital”, without explicitly and specifically recognising the shares of the  livestock capital  in 
aggregate  capital.    Therefore, MoFED  should  spit  shares  of  payments  for  capital  services  in 
these sectors into two: livestock capital and other capital.  This will leave the sizes of the GDP in 
those sectors unchanged but it recognises the share of the livestock capital (and hence owners 
of  livestock  assets  or  capital).  If  this  revision  is  undertaken,  then  the  role  of  livestock  in 
improving livelihoods will be recognised not only in terms of direct livestock production but also 
indirectly by generating income to owners of livestock capital.  
Recommendation 7:   The  initial estimates on  the sizes of GDP attributable  to  livestock capital 
are likely to underestimate the actual role of livestock capital in the Ethiopian economy.  For this 
40 
 
reason,  CSA,  MoA  and  MoFED  should  work  together  in  establishing  a  methodological 
framework  in CSA  and MoA  census  and  sampling  surveys  to more  accurately  estimate  gross 
value  added  by  the  livestock  as  capital  in  different  sectors  of  the  Ethiopian  economy.  
41 
 
References  
Agajie Tesfaye and Takele Mebratu. 2008. Review of Gender Mainstreaming for Partnerships 
for Food Security Research Project in Bati District, Amhara Region. 
Azage Tegegen. 1998. Cattle Breed Improvement for sustainable draft power use in Ethiopian 
Agriculture. In: EARO and ILRI. 1998. Proceedings of First National Oxen Traction Research 
Review and Strategy Workshop, 3 – 5 December 1997,  Debre Zeit Management Institute, 
Debre Zeit, Ethiopia.   
Behnke, Roy; The Contribution of Livestock to GDP in the IGAD Member States”, Study Findings, 
Application of the Methodology in Ethiopia and Recommendations for Extension of the 
Programme; Odessa Centre, United Kingdom; IGAD LPI Working Paper No. 02 – 10. 
Central Statistical Authority (CSA). 2009/10. Livestock and Livestock Characteristics. Volume II. 
Statistical Bulletin 468. 
Demeke, Solomon (2008). Poultry Sector Country Review – Ethiopia. Report Prepared For FAO, 
Fao Animal Production and Health Division, Emergency Centre for Trans‐boundary Animal 
Diseases Socio Economics, Production and Biodiversity Unit 
International Livestock Center for Africa (ILCA). Annual Report 1985/1986. ILCA, Addis Ababa, 
Ethiopia.  
International Standard Industrial Classification of all Economic Activities (ISIC) ‐ Revision 4, 
United Nations, New York, 2008, Statistical papers Series M No. 4/Rev.4 
Jahnke, H.E. 1982. Livestock Production Systems in Livestock Development in Tropical Africa. 
Kiel. FRG: Kieder Wissenschaftsverlag Varek.  
Mengsitu Alemayehu, Bon Peddn, Girma Tadesse, Amare Haile Sillase, Wagnew Ayalneh. 2008. 
Livestock Water Productivity in Nile Basin – Gumera Watershed. 
National Artificial Insemination Center (NAIC). 2011. Costs Related to Breeding of Animals.  
National Bee Research Institute. 2011. Productivity of Honey from different beehives.  
National Veterinary Institute (NVI). 2011. Health Related costs for animals.  
42 
 
Otte, M.J.  and Chilondan, P.  (2002).  Cattle and Small Ruminant Production Systems in sub‐
Saharan Africa ‐ A Systematic Review.   Appendix 8. Sheep production parameters of pastoral 
systems in sub‐Saharan Africa. P. 88  
Otte, M.J.  and Chilondan, P.  (2002).  Cattle and Small Ruminant Production Systems in sub‐
Saharan Africa ‐ A Systematic Review.   Appendix 9. Sheep production parameters of mixed 
systems in sub‐Saharan Africa. P. 89 
The System National Accounts (SNA 1993 and SNA 2008), European Commission, International 
Monetary Fund, Organisation for Economic Co‐operation and Development, United Nations, 
World Bank, New York, 2009.