MétaCan
Menu
Retour à la cohorte
Enregistrement W3121207955

Des déterminants de la dynamique entrepreneuriale dans les régions françaises (1994-2003),

2010· preprint· fr· W3121207955 sur OpenAlexaff
Marie-Estelle Binet, François Facchini, Martin Koning

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2010
Typepreprint
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensMinistère des Transports
Organismes subventionnairesnon disponible
Mots-clésIncentiveEntrepreneurshipOrder (exchange)EconomicsEconomic geographyUnemploymentPanel dataEconometricsMacroeconomicsMicroeconomicsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This research aims at appraising the determinants of entrepreneurship dynamics in the French administrative regions over the period 1993-2004. First, we highlight how the regional territory may be considered in a dualistic manner in order to explain the differentials between the regional activities of entrepreneurs. One may consider a regional territory either as an incentive system or as a cognitive system. By modifying individual trade-offs and/or easing the diffusion of information, the regional atmosphere indeed influences personal choices related to new firm creation. This theoretical approach then leads us to specify a dynamic model of entrepreneurial activity at the regional level. Based on Blundell and Bond’s (1998) methodology and on French regional data, we confirm Holcombe’s assumption (1998) that the creation of firms can be mainly explained by itself and can be viewed as an auto-regressive process. We also deduct from our econometric estimations that the unemployment rate and the available income positively impact entrepreneurship activity. Inversely, the size of existing firms may play the role of a barrier to entry into the regional market. Finally, institutional and cultural factors cannot be neglected as potential determinants of the creation of firms at the regional level, as illustrated by the significance of individual fixed effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,603
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,229
Écart entre enseignants0,211 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetFirm Innovation and GrowthTravaux en français237 207