MétaCan
Menu
← Retour à la cohorte
Enregistrement W2755240497 · doi:10.5539/ijef.v9n10p179

The Intensity of Knowledge Capital Investment in Kenya: Evidence from Manufacturing and Service Sectors

2017· article· en· W2755240497 sur OpenAlexvenueno aff
Simon Ndicu, Lucy Wacuka

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Growth and Productivity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésKenyaProductivityBusinessProduct (mathematics)Service (business)Product innovationInvestment (military)Industrial organizationSurvey data collectionTertiary sector of the economyCapital intensityProduct marketCapital (architecture)EconomicsHuman capitalMarketingMarket economyEconomic growthIncentive

Résumé

récupéré en direct d'OpenAlex

The study investigates the extent to which firms in Kenya manufacturing and service sectors invest in knowledge capital leading to innovations. 534 firms were included in the analysis. This was the combined data from the first Kenya innovation survey data of 2012, which covered 158 firms, (2008-2011) and the second Kenya innovation survey of 2015 which covered 376 firms (2012-2014). The Crépon, Duguet, and Mairessec (CDM) (1998) model, which considers a system of four equations: innovation propensity, innovation investment, innovation output and performance equations, was used as the estimation technique. The results revealed that, a firm’s decision to spend on R&D was significantly influenced by firm ownership, financial turnover and product innovativeness. A firm’s R&D intensity was significantly determined by its financial turnover and ownership. A firm’s activity and financial turnover were also significant in determining whether it introduced a new product in the market or not. The results of this paper suggest that a firm’s financial turnover was significant in R&D decisions but R&D intensity did not significantly matter to a firm’s product innovativeness. Further, a firm’s level of innovativeness was a significant determinant of its productivity. In addition, the results suggest that, innovations among the Kenyan firms in the manufacturing and service sectors were heavily reliant on financial capital and were struggling to convert knowledge inputs into product output. This study thus recommends a policy that incorporates the academia and firm level innovation with national innovation systems to enhance knowledge and skill intensive innovations that are new to the world.

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)0,003
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 enseignants0,051
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,041
Tête enseignante GPT0,234
Écart entre enseignants0,194 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and Finance→Même sujetEconomic Growth and Productivity→Travaux en français237 207→