Determinants of R&D activities of multinational firms abroad
Notice bibliographique
Résumé
In recent years, firms have considerably decentralized their research and development (R&D) activities. Subsidiaries of foreign multinational enterprises (MNEs) are now among the top performers of R&D in many EU and non-EU countries. Specifically, MNE affiliates account for around 20% of total business R&D in France, Germany and Italy; between 30% and 50% in Canada, Portugal, the Slovak Republic, Sweden and the United Kingdom; and more than 50% in Austria, Belgium, the Czech Republic, Hungary and Ireland. Against that backdrop, the paper uses a novel and unique data base on R&D expenditure of foreign-owned firms for a set of OECD countries and identifies and analyzes factors that drive the scale of R&D expenditure across countries and sectors. The empirical analysis employs a gravity approach which demonstrates that geography plays a pivotal role as distance between host and home country of a foreign-owned firm, a common language spoken in both home and host countries, or common borders are key drivers of cross-border R&D investments. Moreover, results reveal that additional determinants such as larger host and home country markets or superior host country human capital bases are conducive to R&D expenditure of foreign-owned firms while stronger human capital bases in home countries deter R&D efforts of foreign-owned firms abroad. Keywords: internationalisation of research and development, multinational firms, gravity model JEL-codes: F23, O32, O33
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) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».