MétaCan
Menu
Retour à la cohorte
Enregistrement W4316468359 · doi:10.3390/jrfm16010052

Strengthening Formal Credit Access and Performance through Financial Literacy and Credit Terms in Micro, Small and Medium Businesses

2023· article· en· W4316468359 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy and Behavior
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFinancial literacyBusinessAffect (linguistics)Stratified samplingSample (material)LiteracySmall and medium-sized enterprisesTest (biology)FinanceEconomicsEconomic growthPsychologyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

This study aims to test financial literacy and credit conditions in determining formal credit access to determine the performance of MSMEs. This research includes the type of associative research that is accompanied by hypothesis testing. This research was conducted on MSMEs of as many as 324 creative industry players in four cities in East Java (Mojokerto, Pasuruan, Gresik, and Sidoarjo) with a sample size of 100 actors who had accessed formal credit using the stratified random sampling method for data collection. The results of Smart PLS analysis show that financial literacy and credit terms directly and significantly affect access to formal credit and MSME performance; formal credit access directly and significantly affects MSME performance. Likewise, financial literacy and credit terms indirectly affect the performance of MSMEs. These results mean that financial literacy and credit terms have a strategic role in explaining why access to formal credit is growing and is attracting MSMEs to strengthen capital to improve performance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,405
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,004
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,239
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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