How Do Inventors’ Political Preferences Affect Innovation?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Team production in innovation has become increasingly important. Simultaneously, political polarization has been increasing over time. This paper examines how inventor political ideology affects innovation team formation and subsequent team innovative productivity. To examine these questions, we match North Carolina-resident inventors in the USPTO patent database to their voter registration records, which contain individuals’ political affiliation and aspects of their voting behavior. We also geolocate each patent assignee to create a risk-set of potential co-inventors in each organization location and in each county. Using a variety of estimation techniques, we describe both the regularities in the data and results from econometric analysis. We estimate that 62 percent of NC inventors are U.S. citizens, the vast majority of whom are male, white, and middle-aged. Republican (Democratic) inventors are overrepresented (underrepresented) in NC relative to the underlying distribution of voters in the state. Citizen-inventors are highly politically engaged, more so on almost every dimension than a similar sample of citizens. Republican inventors pursue different technologies than Democratic inventors. In econometric estimations we show that there is political homophily within co-invention teams: Democrats (Republicans) tend to form teams with other Democrats (Republicans). We also assess the performance of innovative teams in terms of conversion of patent applications into granted patents. In both reduced-form estimation and estimation that instruments for endogenous team formation, ideologically homogenous teams tend to underperform ideologically heterogeneous teams, although this effect falls below conventional thresholds of statistical significance when firm fixed effects are included.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle