MétaCan
Menu
Retour à la cohorte
Enregistrement W3199775545 · doi:10.1080/19761597.2021.1976063

The role of firm innovativeness in the time of Covid-19 crisis: Evidence from Chinese manufacturing firms

2021· article· en· W3199775545 sur OpenAlexaboutno aff
Haji Suleman Ali

Notice bibliographique

RevueAsian Journal of Technology Innovation · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)Sample (material)Coronavirus disease 2019 (COVID-19)Manufacturing sectorBusinessIndustrial organizationEmpirical evidenceFinancial crisisChinaMonetary economicsEconomicsLabour economicsMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Can being innovative help firms to shield themselves from the detrimental effects of a crisis? This study employed a mixed-methods approach using empirical analysis based on firm-level secondary data of China's manufacturing sector and multi-case analysis to provide evidence on whether and how innovativeness could help businesses to survive the Covid-19 crisis and thrive afterward. We find that innovativeness empowers firms to withstand the negative financial consequences of the crisis. The first quarter 2020 analysis based on a sample of 606 manufacturing firms reveal that innovative firms appear more efficient and profitable and have significantly higher chances of survival than less innovative firms. Furthermore, the second-quarter results based on a sample of 582 firms show that innovative firms exhibit higher operating efficiency and a greater probability of survival relative to others. The results remain consistent even after controlling for common firm characteristics and sector fixed effects. From additional analyses, we further find that the innovativeness-performance association is even stronger than the one found during pre-crisis periods, suggesting that a firm's innovation capabilities have greater utility in the rapidly changing situation rather than a stable environment. The paper contributes to knowledge that will be of use to managers, researchers, and policymakers.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,651
Score d'incertitude au seuil0,713

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,028
Tête enseignante GPT0,284
Écart entre enseignants0,257 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations21
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Journal of Technology InnovationMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207