MétaCan
Menu
Retour à la cohorte
Enregistrement W4386093933 · doi:10.1142/9789813233027_0014

Patent protection and the composition of multinational activity: Evidence from US multinational firms

2023· book-chapter· en· W4386093933 sur OpenAlexaff
Olena Ivus, Walter G. Park, Kamal Saggi

Notice bibliographique

RevueWorld Scientific Studies in International Economics · 2023
Typebook-chapter
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMultinational corporationBusinessComposition (language)International tradeArtLiteratureFinance

Résumé

récupéré en direct d'OpenAlex

This article examines how patent protection in developing countries affects the technology licensing strategy of US multinational firms and the associated technology transfer flows. Strengthening patent rights lowers appropriability hazards and so reduces the firms’ reliance on affiliated licensing as the more secure means of transfer (the internalization effect). However lower appropriability hazards also encourage the firms to increase the volume of technology transfer via licensing both within and outside the firm (the appropriability effect). Which effect prevails depends on the underlying technological complexity of the firms’ product. We find that a strengthening of patent protection in the host country increases the incentive to license innovations to unaffiliated parties. While unaffiliated licensing rises among all firms, the volume of affiliated licensing falls among complex-technology firms but rises among simple-technology firms. The positive appropriability effect on affiliated licensing is strong enough among simple-technology firms that the entire composition of their licensing further shifts towards affiliated parties. The results are significant for recent work on the internalization theories of multinational firms and the interaction between firm strategy and the institutional environment, as well as for patent policy in the developing world, where access to knowledge is critical.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,945

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,186
Tête enseignante GPT0,287
Écart entre enseignants0,101 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Scientific Studies in International EconomicsMême sujetFirm Innovation and GrowthTravaux en français237 207