Spillovers and Risk of R&D Projects, and Targeting of Public R&D Support (Japanese)
Notice bibliographique
Résumé
This paper analyzes what types of R&D projects and R&D firms generate important spillover effects, and which are subject to funding constraints. It also analyzes what types of projects and firms are targeted for public support and whether the selection of targets is consistent with spillovers. Using data collected in an inventor survey conducted by the Research Institute of Economy, Trade and Industry and those in the Basic Survey of Business Activities by the Ministry of Economy, Trade and Industry, we focus primarily on corporate research projects. Major findings are as follows: Corporate research projects generate substantial spillovers. For example, about 20% of such projects involve basic research. At the same time, however, about 10% of corporate research projects have been delayed or scaled down due to funding constraints, and one quarter of them have faced constraints in funding commercialization investments. It has been also found that only 3% of Japanese corporate R&D projects receive public support, and 5.6% of the financially constrained projects receive such support. Our statistical analysis suggests that although the estimated conditions explaining public support for R&D are largely consistent with the estimated conditions explaining the spillovers as measured by the publication of scientific papers and the occurrence of serendipity, there are some gaps. Although a firm's highly intensive R&D and participation of a PhD inventor are estimated to be significant sources of spillovers, apparently they are not given high weights in terms of factors related to public support for R&D.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».