On the duality of political and economic stakeholder influence on firm innovation performance: <scp>T</scp> heory and evidence from <scp>C</scp> hinese firms
Notice bibliographique
Résumé
Research Summary In this study, we propose and test a multi‐stakeholder perspective to address variation in innovation performance across firms. Specifically, we analyze how a focal firm's innovation performance is shaped by its political stakeholders (local and central governments) and economic stakeholders (suppliers, buyers, and competitors). Using a data set consisting of over 26,400 Chinese firms, we first find support for our predictions that a focal firm's innovation performance will be enhanced by both its government connections and the innovativeness of its economic stakeholders. We then analyze whether the interdependent effect of these political and economic stakeholders is more likely to be synergistic versus antagonistic, and find evidence consistent with the antagonistic view. Managerial Summary We show how a firm's innovativeness is influenced strongly by its relationships to external stakeholders. Specifically, we examine the potentially dual‐edged role of political stakeholders (local and central governments) and economic stakeholders (suppliers, buyers, and competitors). Using extensive data on Chinese firms, we find: (a) that the higher the level of government connections, the greater a firm's innovativeness; (b) that firms located in proximity with more innovative economic stakeholders also tend to have higher innovation performance. We also look beyond these independent positive effects to examine the joint effect of these two forms of stakeholder influence, and here we see that more influence is not always better. Specifically, we find that the innovation benefit that typically accrues to firms in proximity to more innovative economic stakeholders is weakened when those firms also have higher‐level government connections.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».