MétaCan
Menu
Retour à la cohorte
Enregistrement W2754525813

Resource differences between Born Global and Born Regional firms : Evidence from Canadian Small and Medium-Sized Manufacturers 1997-2004

2013· article· en· W2754525813 sur OpenAlexaffabout
Sui Sui, Zhihao Yu, Matthias Baum

Notice bibliographique

RevueERef Bayreuth (University of Bayreuth) · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésInternationalizationResource (disambiguation)BusinessCausality (physics)Industrial organizationSample (material)Longitudinal sampleLogistic regressionEconomic geographyEconomicsInternational trade
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

While international business research has intensively observed the determinants and outcomes of International New Ventures (INV), we only have a limited understanding on why some INVs pursue regional focused internationalization (so called Born Regional Firms), while others decide for a globally dispersed approach (so called Born Global firms). This study draws on resource-based theory and applies logistic regression on a longitudinal sample of 604 Canadian small and medium-sized exporting manufactures to investigate how initial internal resources differ between Born Global and Born Regional firms.  We find that, compared to Born Regionals, Born Globals have significantly greater foreign market knowledge, and have significantly higher initial performance.  We advance research about the internationalization-performance link by means of a reverse causality regarding this relation in which initial performance influences the internationalization approach of INVs. This provides additional support for the regionalization hypothesis and the assumption that a global expansion does not necessarily lead to higher performance, but demands a greater amount of resource input.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,022
Tête enseignante GPT0,191
Écart entre enseignants0,169 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
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

Citations8
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueERef Bayreuth (University of Bayreuth)Même sujetInternational Business and FDITravaux en français237 207