Analysis of Factors Influencing Financial Performance of Savings and Credit Co-operative Societies in Lesotho: Evidence From Maseru District
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
SACCOS play a major role of providing financial access to poor people who are excluded from the services of Formal Financial Institutions (FFIs). However, they also face number of challenges which may affect their performance. Most of the previous studies in the area of SACCOS did not concentrate on their performance. The aim of this study therefore was to assess performance of SACCOS in Maseru District, Lesotho. The study adopted a cross-sectional research design where data were collected at one point in time. A sample size of 369 respondents was computed by the use of formula by Yamane (1967). Respondents in the sample were selected by using simple random sampling technique. However, respondents from individual SACCOS were proportional to the total number of members in particular SACCOS. This was done in order to make the sample representative of all SACCOS in the study area. Analyses of data were done by using different techniques which include: mathematical equations (i to vii); different financial ratios; tables; graphs; bar charts and other types of descriptive statistics like mode and percentages. It was found that socio economic characteristics of members were supportive to financial performance of the SACCOS. Furthermore, SACCOS in the study area achieved high performance in terms of ratios of members’ capital; loan delinquency; volumes of savings in the SACCOS; and growth of total assets. On the other hand, the SACCOS realised poor financial performance in terms of ratio of fixed assets to total assets; and share capital owned by members.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle