MétaCan
Menu
Retour à la cohorte
Enregistrement W192193197 · doi:10.4236/ti.2019.101001

Evaluation of Public R&D Policy: A Meta-Regression Analysis

2019· article· en· W192193197 sur OpenAlexvenueno aff
Syoum Négassi, Jean‐François Sattin

Notice bibliographique

RevueTechnology and Investment · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInnovation Policy and R&D
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsMeta-regressionPublic economicsPublic policyTax creditMeta-analysisEmpirical researchRegression analysisMarket failureEconometric modelEmpirical evidenceEconometric analysisMacroeconomicsEconometricsMicroeconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Economic theory and empirical evidence indicate that technological innovation is an important determinant of long-term economic development. Various country policies have been launched in favour of private research and development (R&D) with economic development as the main objective. As often in economics, public intervention is grounded on the presumed existence of market failures. The purpose of this paper is two-fold. First, it provides an overview of the history of R&D-related tax policies in more than ten industrial countries. Second, after reviewing the existent empirical evidence on the effectiveness of R&D tax credits policies, it presents a meta-regression analysis based on an econometric model. Our results show that an R&D tax credit is strongly significant in the studies taken cumulatively.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,069
score de la tête « metaresearch » (Gemma)0,118
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,931
Score d'incertitude au seuil0,367

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0690,118
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0150,053
Bibliométrie0,0110,011
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0030,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,186
Tête enseignante GPT0,327
Écart entre enseignants0,142 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeMéta-analyse
DomaineÉvaluation
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnology and InvestmentMême sujetInnovation Policy and R&DTravaux en français237 207