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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».