Investigating the effect of financial literacy and financial inclusion on operational and sustainable supply chain performance of SMEs
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
The purpose of this study was to analyze the effect of financial literacy on operational performance, financial inclusion on operational performance and the effect of financial literacy on sustainable supply chains and the impact of financial inclusion on sustainable supply chains in SMEs in Indonesia. The research method is quantitative through online surveys with the Google form, data collection by distributing online questionnaires to 590 SMEs owners in Indonesia who were selected by simple random sampling. The online questionnaire was designed using a Likert scale of 5 and distributed via social media. Data analysis used structural equation modeling of partial least squares (SEM-PLS) with data processing tools using SmartPLS 3.0 software. The stages of data analysis are validity-reliability test and hypothesis, or significance test used in this study using a Google form which will be distributed to respondents. This questionnaire measurement method uses a Likert Scale of 5, namely Strongly Disagree (STS), (2) Answers Disagree (TS), (3) Neutral Answers (N), (4) Answers Agree (S), Strongly Agree (SS). The results of this study indicate that financial literacy had a positive and significant effect on operational performance, financial inclusion had a positive and significant effect on operational performance, financial literacy had a positive and significant effect on sustainable supply chains and financial inclusion had a positive and significant effect on sustainable supply chains in SMEs in Indonesia. The novelty of this research is the model relationship between Financial Literacy and Financial Inclusion, Operational Performance, SME Sustainable Supply Chain which has never been explained in previous studies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 découle