The effects of financial literacy and digital literacy on financial resilience: Serial mediation roles of financial inclusion and financial decisions
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 research objective was to analyze the effect of financial literacy and digital literacy on financial inclusion, financial decisions, and financial resilience of MSME's. The design of this research is explanatory quantitative research. The research is a cross-sectional study in which all research variables are measured and observed at one point in time. The sampling technique used is area purposive sampling. The reachable population in this study was 98,567 MSMEs in the Province of Bali, and the research sample was 385. The research instrument used was a questionnaire with a Likert scale. The analysis technique used is a descriptive and inferential analysis using SEM-PLS. The findings of this research reveal 1) a direct positive and significant effect of financial literacy and digital literacy on financial inclusion, financial decisions, and financial resilience of MSMEs; 2) a positive and significant effect of financial literacy and digital literacy on financial resilience of MSMEs through financial inclusion and financial decisions parallelly; and 3) a positive effect of financial literacy and digital literacy on financial resilience of MSMEs through financial inclusion and financial decisions serially, but the effect of digital literacy on financial resilience through financial inclusion and financial decisions serially is insignificant. The findings of this research show the crucial role of financial literacy and digital literacy in increasing financial resilience. Financial inclusion and financial decisions mediate the effect of financial literacy and digital literacy on financial resilience.
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 | 0,001 | 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 | 0,001 | 0,002 |
| 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