Research Joint Ventures with Asymmetric Spillovers and Symmetric Contributions
Notice bibliographique
Résumé
The paper proposes a new type of R&D cooperation between firms endowed with asymmetric spillovers, which we call symmetric Research Joint Venture (RJV) cartelization, based on reciprocity in information exchange. In this setting, firms coordinate their R&D expenditures and also share information, but such that the asymmetric spillover rates are increased through cooperation by equal amounts. It is found that this type of cooperation reduces R&D investment by the low spillover firm when its spillover is sufficiently low and the spillover of its competitor is sufficiently high. But it always increases the R&D of the high spillover firm, as well as total R&D (and hence effective cost reduction and welfare). A firm prefers no cooperation to symmetric RJV cartelization if its spillover rate is very high and the spillover rate of its competitor is intermediate. The profitability of symmetric RJV cartelization relative to other modes of cooperation is analyzed. It is found that symmetric RJV cartelization constitutes an equilibrium for a very wide range of spillovers, namely, when asymmetries between spillovers are not too large. As these asymmetries increase, the equilibrium goes from symmetric RJV cartelization, to RJV cartelization, to R&D competition, to R&D cartelization.
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 | 0,010 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».