Relationship Between Various Determinants and Dimensions of Financial Literacy Among Working Class
Notice bibliographique
Résumé
The purpose of this empirical research work was to identify the relationship between various determinants of Financial Literacy among the working class of National Capital Region of India. It was a descriptive study based on the survey of 596 working class respondents. The data has been analyzed by factor analysis, correlation and regressions analysis. Based on the factor analysis, three factors have been found of financial knowledge, three factors of financial behaviour and in a similar manner four factors of financial attitude have been extracted. Further, based on the multiple regression models the contribution of financial attitude has been found highest in explaining the financial literacy and it has been followed by financial behaviour and financial knowledge. It means that both financial attitude and financial behaviour are better estimators of financial literacy in comparison to the financial knowledge. Therefore, the policy makers, financial system regulators and governments should do more efforts to improve the level of financial attitude and financial behaviour in comparison to the financial knowledge to improve the level of financial literacy because significant difference has been found in the level of financial attitude and financial behaviour across some of the demographic factors. The increased financial literacy would be helpful in improving the saving and investment behaviour of the public. This improved level of financial literacy of public will save the required level of capital for the capital formation for the targeted economic growth. Consequently, more employment opportunities will increase the social security in the society. Like every study, this study also have certain limitations like the universe of the study was limited to a particular geographical region i.e. National Capital Region of India, along with time and money constraints. In future similar study can be conducted by changing the target population and geographical area with a bigger sample.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».