The effect of financial knowledge, financial behavior and digital financial capabilities on financial inclusion, financial concern and performance in MSMEs in East Java
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
This study aims to prove and analyze the effect of financial knowledge, financial behavior, and digital financial capabilities on financial inclusion, financial concern, and performance in Small and Medium Enterprises (SMEs) in East Java. The population used in this study was 1,387,854 Micro, Small and Medium sized Enterprises (MSMEs) actors in East Java, which is located in the Gerbangk ertasusila area. The sample in this study were 395 respondents who were determined by the non-probability sampling method. In this study a questionnaire research instrument was used, namely a set of questions answered to respondents to obtain written information related to research variables and used the Structural Equation Modeling (SEM) analysis technique. The results of the study show that: (1) Financial knowledge has a significant effect on financial inclusion, (2) Financial behavior has a significant effect on financial inclusion, (3) Digital financial capability has a significant effect on financial inclusion, (4) ) Financial inclusion has no significant effect on financial problems, (5) Financial knowledge has a significant effect on financial concerns, (6) Financial behavior has a positive and significant effect on financial concerns, (7) Digital financial capability has a significant effect on financial concern, (8) Financial knowledge has an insignificant effect on MSME performance, (9) Financial Behavior has no significant effect on MSME performance, (10) Digital financial capability has no significant effect on MSME performance, (11) Financial inclusion has a positive and significant effect on MSME performance. (12) Financial concern has a positive and significant effect on MSME 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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