University Research, Industrial R&D, and the Anchor Tenant Hypothesis
Notice bibliographique
Résumé
We examine geographic concentration, agglomeration, and co-location of university research and industrial R&D in three technological areas: medical imaging, neural networks, and signal processing. Using data on scientific publications and patents as indicators of university research and industrial R&D, we find strong evidence of geographic concentration in both activities at the level of MSAs. While evidence for agglomeration (in the sense of "excess" concentration relative to the size of MSAs and the size distribution of research labs) of research in these fields is mixed, we do find strong evidence of co-location of upstream and downstream activity. We view such co-located vertically connected activities as constituents of a "local innovation system," and these appear to vary markedly in their ability to convert local academic research into local commercial innovation. We develop and test the hypothesis that the presence of a large, local, R&D-intensive firm -an "anchor tenant" -enhances the productivity of local innovation systems by making local university research more likely to be absorbed by and to stimulate local industrial R&D. Presence of anchor tenant firms may be an important factor in stimulating both the demand and supply sides of local markets for innovation and may be an important channel for transmission of spillovers. While our empirical results are preliminary, they indicate that anchor tenant technology firms may be an economically important aspect of the institutional structure of local economies.
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 | 0,033 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».