Exploring the Impact of an External Crisis on R&D Expenditures of Innovative New Ventures
Notice bibliographique
Résumé
What is the impact of an exogenous crisis on research and development expenditures of innovative new ventures? Existing literature does not provide a clear answer. One view suggests that shrinking revenues and constrained funding reduce firms’ R&D intensity. The opposite view argues for amplified risk-seeking and innovative behavior of organizations in crisis, leading to higher commitment to R&D with resulting additional investments. We unite these opposing views in a generalized behavioral framework based on the premise that the impact of a crisis on a venture’s R&D expenditures is contingent on its pre-crisis R&D intensity. When facing a crisis, R&D-intensive companies reduce their R&D commitment, while non-R&D-intensive companies do not alter their R&D expenditure budgets, or even increase R&D spending to innovate themselves out of the adversity. We empirically test our behavioral framework using the longitudinal data from the Kauffman firm survey. The results strongly support our theoretical reasoning: during the 2008 financial crisis R&D-intensive ventures tended to substantively decrease their R&D investments (on average more than 10 percentage points decrease in R&D to sales), while their non-R&D-intensive counterparts demonstrated positive (although statistically insignificant) change in R&D investments. In other words, a crisis strikes most deeply the R&D activity of the most innovative ventures, despite the rational need to sustain R&D funding in industries with rapid technological change and short product life cycles. We conclude by positing underlying reasons for the observed behavioral patterns, and then suggest avenues for further research.
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 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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».