R & D spending among Chinese SMEs: the role of business owners’ characteristics
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
Purpose – Given that organizational decisions are made by individuals and thus shaped by their subjective and objective characteristics, the purpose of this paper is to examine the effect of SME business owners’ characteristics on their firms’ research and development (R & D) spending in a transition economy. Design/methodology/approach – The authors first build the arguments that, among small- and medium-sized enterprises (SMEs), business owners’ perceived importance of R & D-related activities, their education, related experiences, and social connections, should affect their firms’ R & D spending positively. Then the authors use a Chinese nationwide survey of private SMEs to test the arguments. Tobit regression analyses are conducted by taking Stata 12.0 as the statistic tool. Findings – The authors find that business owners’ perceived importance of R & D-related activities is positively associated with their firms’ R & D spending. In addition, better-educated owners and owners who have technology-related working experience tend to invest more in R & D activities. Finally, owners who have social connections, especially industrial connections, tend to spend more on R & D activities. Originality/value – This study improves the understanding of R & D spending determinants among SMEs. Going beyond general environmental determinants, it reveals the important agency role of SME owners, and thus contributes to a better understanding of how decisions leading to SME innovations are influenced by business owners’ perceptions and demographic characteristics.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle