Innovation, patents and trade: A firm‐level analysis
Notice bibliographique
Résumé
Abstract Using microdata of firm exports and international patent activity, we find that Greek innovative exporters, identified by their patent filing activity, have substantially higher export revenues by selling higher quantities rather than charging higher prices. To account for this evidence, we set up a horizontally differentiated product model in which an innovative exporter competes for market share in a destination against many non‐innovative rivals. We argue that as the competition among the exporters of the non‐innovative product becomes more intense, the innovative firm exports more compared with its non‐innovative rivals in more distant markets, a prediction that is empirically confirmed in the dataset for Greek innovative exporters. Résumé Innovation, brevets et commerce : analyse au niveau de l’entreprise. À l’aide de microdonnées d’entreprises relatives aux exportations et aux activités de brevetage international, nous montrons que les exportateurs grecs innovants, identifiés par leurs dépôts de brevets, réalisent des gains à l’exportation nettement supérieurs en misant davantage sur les volumes de vente que sur l’augmentation des prix. Pour expliquer cette situation, nous avons élaboré un modèle de différenciation horizontale de produits dans lequel les exportateurs novateurs sont en compétition avec de nombreux concurrents non innovants afin de gagner des parts de marché. Nous montrons qu’à mesure que la compétition s’intensifie entre les exportateurs de produits non innovants, l’entreprise innovante exporte davantage que ses concurrents vers les marchés plus éloignés ; cette prédiction se vérifie de façon empirique grâce aux données relatives aux exportateurs grecs innovants.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».