Risk Sharing in Government Contracting: Strategic Alliances as Safeguards in Government Supplier Relationships
Notice bibliographique
Résumé
Interorganizational alliances have been extensively studied as strategic arrangements that enable firms to manage risks arising from their embeddedness in external relationships. However, the unique dynamics of business-to-government (B2G) relationships, where firms often face regulatory and political risks, remain underexplored. In this study, we examine how firms reliant on U.S. Department of Defense (DoD) contracts use strategic alliances to mitigate these challenges. Drawing on resource dependence theory and the resource-based view of the firm, we theorize that firms with higher government contract value are more likely to form alliances with other government contractors to help share risk and navigate government contracting challenges. We further identify two boundary conditions—an internal buffer (whether a firm operates as a generalist or specialist contractor) and an external buffer (the level of market-demand risk)—that moderate this relationship. Our analysis of 339 U.S. publicly traded DoD contractors from 2001 to 2019 provides robust support for our hypotheses. A post hoc mediation analysis further shows that alliances partially mediate the relationship between government contract value and market performance. Our study contributes to interorganizational relationships and business-government interface literatures by articulating the unique dynamics of B2G alliances and offering nuanced insights into how firms manage their relationships with powerful government buyers.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».