MétaCan
Menu
Retour à la cohorte
Enregistrement W2318841241 · doi:10.3846/16111699.2015.1061590

EFFECT OF GOVERNMENT SUBSIDIZATION ON CHINESE INDUSTRIAL FIRMS’ TECHNOLOGICAL INNOVATION EFFICIENCY: A STOCHASTIC FRONTIER ANALYSIS

2016· article· en· W2318841241 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Business Economics and Management · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueInnovation Policy and R&D
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésSubsidyGovernment (linguistics)FrontierIndustrial organizationStochastic frontier analysisYearbookBusinessScale (ratio)EconomicsChinaPublic economicsMarket economyMicroeconomicsProduction (economics)Computer science

Résumé

récupéré en direct d'OpenAlex

This study aims to gain a better understanding of how effective government subsidization is in helping foster firms’ innovation. Drawing on the exploration/exploita- tion perspective and based on data collected from Statistical Yearbook on Science and Technology Activities of Industrial Enterprises, we look into the relationship between gov- ernment subsidization and Chinese firms’ innovation efficiency by applying a stochastic frontier analysis. The results show that when government subsidies are provided in small scale, firms’ innovation efficiency decreases; only when government subsidies increase to a certain scale, does firms’ innovation efficiency start to increase. We suggest that govern- ment subsidization would generate better innovation performance should it concentrate on a smaller number of firms at one time. As existing research is still inconclusive regarding the relationship between government subsidization and firms’ technological innovation output, we shed light on the issue by revealing a “U-shaped” relationship between the two.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,866
Score d'incertitude au seuil0,352

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,215
Écart entre enseignants0,198 · 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