Exploring the Relationship Between Financial Education, Financial Attitude, Financial Advice, and Financial Knowledge: Insights Through Financial Capabilities and Financial Well-Being
Notice bibliographique
Résumé
This study analyzes the relationship between financial education, financial attitude, financial advice, financial knowledge, and behavior and its influence on financial capabilities, as well as their impact on financial well-being. The population consists of individuals over 18 years of age, who are primarily higher education students. A non-probabilistic self-selection sampling method was used, and data were collected through an electronic form on Google Forms. The design is quantitative, non-experimental, and cross-sectional. The instrument includes sections on sociodemographic profiles, financial education, financial attitudes, financial advice, financial knowledge and behavior, financial capabilities, and financial well-being using a 1 to 5 Likert scale. To ensure validity and reliability, statistical indices such as Cronbach’s alpha and McDonald’s omega were applied. Data normality was assessed, and exploratory and confirmatory factor analyses were conducted using structural equation modeling (SEM). The findings from the results of this study largely align with the existing literature regarding the relationship between financial knowledge and financial capabilities, as well as between financial capabilities and financial well-being. However, a discrepancy is observed in the hypotheses related to financial education, financial attitudes, and financial counseling, suggesting that although these factors are important, their influence may depend on other contextual elements or mediators not considered in this study. This opens the possibility for further investigation into how these factors interact in the development of financial capabilities.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».