Essays on International Venture Capital
Notice bibliographique
Résumé
Venture Capital firms (VCs), compared with other sources of financing, are known to be a value-adding source of finance for high-growth entrepreneurial firms. Venture capital has transitioned from a local to an international subject in recent years. In this thesis , I address three important aspects of the international venture capital research area. \n \nIn the first essay, I answer these questions: do venture capital firms decide to invest in a cross-border company based solely on their own international experience, or do they also decide based on other venture capital firms’ behaviour in investing in that country? I address these questions by investigating vicarious and experiential learning in the venture capital context, focusing on US cross-border venture capital investment data from 2000 to 2013. The analysis indicates that, on average, venture capital firms use both experiential and vicarious learning strategies in making their cross-border investment decisions. Moreover, the effect of experiential learning is greater than that of vicarious learning, and a venture capital firm’s size moderates this effect. \nIn the second essay, I answer this question: do government venture capital funds crowd-in or crowd-out international private venture capital investment? The crowding-in effect arises when international private venture capital benefits from government subsidies through the enhancement of an entrepreneurial ecosystem and investment syndication. The crowding-out effect arises when government venture capital competes with private venture capital, bidding up deal prices and lowering returns, thereby spurring local private venture capitalists to invest internationally. I examine data from 26 countries from 1998 to 2013. The analysis indicates that, on average, more mixed-structured government venture capital investments than pure-structured government investments in a country crowds-in domestic and foreign private venture capitalists internationally. Moreover, the effect of both structures is greater on domestic private venture capitalists than on foreign ones. \nIn the third essay, I investigate whether government venture capital practices in Canada promote a robust entrepreneurial ecosystem, by analyzing the effect of these practices on domestic and cross-border venture capital investments by private venture capital firms separately. I research the following two questions in parallel: a) Does Canadian government venture capital investment attract private venture capital firms to invest in the domestic market? b) Does Canadian government venture capital investment lead to, or prevent, domestic private venture capital firms from investing in other countries? I find that Canadian government venture capital investment has no measurable impact on private venture capital firms’ decisions to invest in the domestic market. I also find that certain of the Canadian government’s venture capital programs have displaced private venture capital, although with negligible impact, towards cross-border VC markets, primarily to the United States.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,008 |
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 source (Gemma direct ou Codex distillé), 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 ».