Moderating Role of Personality in Relationship to Financial Attitude, Financial Behaviour, Financial Knowledge and Financial Capability
Notice bibliographique
Résumé
Advancements in financial system and technology, enlarged individual responsibility for financial decisions, and rapid information expansion, have fundamentally transformed women's need to be functionally literate and financially capable, especially after the COVID-19 pandemic. The personality also has long term implications on financial well-being. The aim of the paper is to study the dominating role of financial attitude, financial awareness & skills, and financial behaviour on financial competence and the moderating role of personality on financial knowledge, financial behaviour, financial attitude, and financial capability. Multi stage stratified random sampling has been used to collect data from 530 urban working women in both the Public and Private sectors, self-employed professionals, and entrepreneurs. Smart-PLS is used by applying Structure Equation Modelling (SEM) to study the moderating role of personality on financial attitude, behaviour, knowledge, and capability. Further the Chi-square test and Tukey test and Kruskal Wallis Test are used to test the hypothesis. The study found that Financial Knowledge of working women with gold personalities influences their financial capability (Beta, 0.578) the most, While, Financial Behaviour is the primary influencer having green (Beta, 0.396) & blue (Beta, 0.638) personalities. Working women having Green Personality are found to be superior with respect to Financial Behaviour, Financial Capability and Financial Knowledge. It is also observed that working women having blue personality characteristics, have comparatively better financial attitude.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».