Multinational enterprises' R&D commitments in Chinese provinces: A configurational approach
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
Multinational enterprises (MNEs) are increasingly off-shoring some of their R&D to emerging markets, including China. Much of the extant literature on MNEs' investments in R&D facilities abroad analyses technological and institutional factors at the national level, typically using regressions to examine how host-country institutions influence foreign MNEs' outlays. It, therefore, tends to downplay the importance of sub-national and non-technology-related institutions, and how configurations of home- and host-country institutions interact to influence R&D commitments abroad. Drawing on the global factory model and the Varieties of Capitalism approach, we identify five causal conditions that may influence MNEs' R&D commitments abroad. Conducting an abductive fuzzy-set qualitative comparative analysis, we find four combinations of causal conditions are sufficient to explain substantial R&D commitments in different Chinese provinces. The combination of local corruption and provincial R&D intensity is important, as are the MNE's home-country stock-market capitalization to GDP ratio and minority investor protection. We contribute to the literature on MNEs' investments abroad by extending the importance of sub-national institutions to include those not directly related to technology. We also reveal how combinations of institutions (rather than individual ones acting independently) from the MNE's home and host contexts explain MNEs' R&D commitments in Chinese provinces.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 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 découle