Doing R&D In A Closed Or Open Mode: Dynamics And Impacts On Productivity
Notice bibliographique
Résumé
On the one hand, firms prefer to perform R&D in an open mode (letting R&D be performed extramurally or even selling their R&D services) to benefit from knowledge spillovers and complementarities between internal and external R&D. On the other hand, they may also like to perform R&D in a closed mode (funding and executing their R&D intramurally) to minimize outgoing externalities. We examine the dynamic process by which firms change the way of doing R&D and how these strategic choices of doing R&D affect their productivity growth. This study is based on the Statistics Canada Research and Development in Canadian Industry survey (RDCI), which collects data on R&D performed in the business sector in Canada. The paper is based on data for the period 1997 to 2006. The panel dimension of the data allows to control for unobserved characteristics of R&D performers by estimating a multinomial Logit model with unobserved heterogeneities using maximum simulated likelihood (MSL) method. Les firmes sont tiraillées entre deux façons de faire de la R-D. D'un côté, elles préfèrent faire la R-D de manière ouverte (en faisant faire de la R-D extramuros ou même en vendant des services de R-D) afin de bénéficier d'externalités de connaissance et de complémentarités entre la R-D interne et la R-D externe. D'un autre côté, elles préconisent de faire la R-D en mode fermé (en faisant de la recherche intramuros et en se finançant sur base de fonds propres ou de subventions) afin de minimiser les fuites de connaissance. Dans cette étude, nous examinons la dynamique des choix quant à la façon de faire de la recherche et l'effet de ces choix sur les rendements de celle-ci. Nous nous basons sur les données de l'enquête de Statistique Canada sur la recherche et développement dans l'industrie canadienne (RDIC) pour la période 1997-2006. La dimension panel de la base de données nous permet de contrôler pour l'hétérogénéité individuelle inobservée dans l'estimation d'un modèle Logit multinomial dynamique à partir de la méthode du maximum de vraisemblance simulé.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 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) | 0,006 | 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 ».