Public contracting for private innovation: Government capabilities, decision rights, and performance outcomes
Notice bibliographique
Résumé
Research Abstract We examine how the US Federal Government governs R&D contracts with private‐sector firms. The government chooses between two contractual forms: grants and cooperative agreements. The latter provides the government substantially greater discretion over, and monitoring of, project progress. Using novel data on R&D contracts and on the technical expertise available in specific government bureau locations, we test implications from the organizational economics and capabilities literatures. We find that cooperative agreements are more likely to be used for early‐stage projects and those for which local government scientific personnel have relevant technical expertise; in turn, cooperative agreements yield greater innovative output as measured by patents, controlling for endogeneity of contract form. The results are consistent with multitask agency and transaction‐cost approaches that emphasize decision rights and monitoring. Managerial Abstract When one private firm outsources an R&D project to another, it can use a range of sophisticated contractual provisions to elicit proper innovative effort. However, government entities are often constrained from employing such provisions due to legal and regulatory restrictions. Policymakers thus face a difficult challenge when contracting with private firms for innovation. We study the US Federal government's R&D contracts, which are restricted to two contractual types: “grants,” which offer little in‐process oversight, and “cooperative agreements,” which provide decision rights during the project. We demonstrate that policymakers can enhance outcomes by using cooperative agreements for earlier‐stage, higher‐uncertainty projects, but only when government scientists with relevant expertise are located near the firm's R&D site.
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 | 0,018 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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 ».