研究资金对知识创造和传播的影响：

（2012），“公共和私人研究资金对科学生产的影响：纳米技术的案例”，研究政策41（9），1589–1606。Benavente，J.M.，Crespi，G.，Figal Garone，L.和Maffoli，A.（2012），“国家研究基金的影响：智利基金会的回归间断方法”，研究政策41（8），1461-1475。博格，J.M.，巴拉，N.，伯恩，P.E.，查利，M.，德鲁宾，D.G.，弗雷泽，J.S.，格雷德，C.W.，亨德里克斯，M.，琼斯，C.，基利，R.，金，S.，克什纳，M.W.，克鲁姆霍尔茨，H.M.，莱曼，R.，瘦素，M.，粉碎机，B.，罗森茨威格，B.，斯皮罗，J.E.，斯特宾，M.，斯特拉瑟，C.，斯瓦米纳坦，S.，特纳，P.，巴尔，R.D.，维亚根，沃尔哈瓦克，2016，，《生命科学》杂志，科学352（6288），899-901。布伦德尔，R.，格里菲斯，R.和温德梅耶，F.（1995），《纵向计数数据模型中的动力学和相关响应》，G.U.H.塞伯，B.J.弗朗西斯，R.哈辛格和G.斯特克尔·伯格主编，《统计建模》，纽约州斯普林格市，纽约州，第35-42页。Bornmann，L.（2014），“altmetrics是否指出了研究的更广泛影响？《altmetrics的利弊概述》，Informetrics杂志8（4），895–903。Carayol，N.和Matt，M.（2004），“研究机构是否影响学术成果？欧洲一所大型大学的实验室级证据，研究政策33（8），1081-1102。de la Cuesta，B.和Imai，K.（2016），“对近距离选举研究中回归不连续性设计的误解”，《政治学年鉴》第19（1），375-396页。数字科学（2018），“维度[软件]可用fromhttps://app.dimensions.ai’. 根据许可协议，于2020年9月访问。Fang，F.和Casadevall，A.（2016），“研究资助：修改彩票的案例”，mBio 7（2）。弗莱明，L.，格林，H.，李，G.，马克思，M.和姚，D。

（2019），“政府资助的研究日益推动创新”，科学364（6446），1139-1141。Franzoni，C.，Giuseppe，S.和Stephan，P.（2011），《改变出版激励》，科学杂志（纽约，N.Y.）333702-3。Froumin，I.和Lisyutkin，M.（2015），《博洛尼亚进程背景下卓越驱动的政策和倡议：原理、设计、实施和结果》，载于C.A.，L.Matei，R.Pricopie，J.Salmi&P.Scott，编辑部，“欧洲高等教育区”，斯普林格。富迪卡尔，R.，霍滕罗特，H.和劳森，C.（2016），“学术咨询的价格是多少？公共和私营部门咨询对学术研究的影响，工业和企业变革27699–722。Gerfin，M.和Lechner，M.（2002），“瑞士积极劳动力市场政策的微观经济评估”，经济杂志112（482），854-893。Gl–aser，J.和Serrano Velarde，K.（2018），“改变资金安排和科学知识的产生：专业介绍”，Minerva 56（5），1-10。Graves，N.，Barnett，A.G.和Clarke，P.（2011），“科学研究的资助拨款提案：grantreview小组成员得分的回顾性分析”，BMJ 343。Hausman，N.（2021），《大学创新与地方经济增长》，即将出版的《经济学和统计观点》。Hottenrott，H.和Lawson，C.（2017），“寻找互补性：研究补助金和研究生产力”，国际工业组织杂志51，1-38。霍滕罗特，H.和索沃斯，S.（2011），“大学研究和科学生产力的行业资助”，Kyklos 64（4），534–555。Hutchins，B.I.，Yuan，X.，Anderson，J.M.和Santangelo，G.M.（2016），“相对引用率（RCR）：一种使用引用率来衡量文章水平影响的新指标”，PLOS Biology 14（9），1-25。雅各布，B.A.和莱夫格伦，L。

（2011），“研究资助对科学生产力的影响”，公共经济学杂志95（9），1168–1177。Ja Affe，A.B.（1989），《学术研究的实际影响》，《美国经济评论》79（5），957-970。Ja Offe，A.B.（2002），“将项目评估纳入公共研究支持项目的设计”，牛津经济政策评论18（1），22-34。Jonkers，K.和Zacharewicz，T.（2016），《基于研究绩效的基金系统：比较评估》，技术报告JRC101043，欧盟出版物。Konkiel，S.（2016），“Altmetrics:对流动学术的多元化理解”，Palgrave Communications 2，16057。Kr–ucken，G.和Meier，F.（2006），“将大学转变为组织行动者”，全球化与组织：世界社会与组织变革18（5），241-257。Lechner，M.（2001），《条件独立假设下乘数效应因果效应的识别和估计》，载于M.Lechner&F.Pfei ffer主编，《劳动力市场政策的经济计量评估》，Physica Verlag HD，海德堡，第43-58页。Lazaroiu，G.（2017），“altmetrics衡量什么？也许是社会研究的广泛影响，教育哲学和理论49（4），309–311。Mali，F.，Pustovrh，T.，Platinovˇsek，R.，Kronegger，L.和Ferligoj，A.（2017），“资助和合著对阿斯马尔科学社区研究绩效的影响”，科学与公共政策44（4），486–496。Neufeld，J.，Huber，N.和Wegner，A.（2013），“基于同行评审的个人研究资金选择决策，申请人的出版策略和绩效：ERC启动拨款案例”，研究评估22（4），237–247。Oancea，A.（2016），“研究治理和研究评估的未来”，Palgrave Communications 5，27。佩恩，A。

（2002），“美国国会拨款是否增加了大学的研究产出？”，科学与公共政策29（5），314-330。Payne，A.和Siow，A.（2003），“联邦研究基金会增加大学的研究产出吗？”，经济分析与政策进展3（1），1018-1018。Poee，F.，Harho ff，D.，Gaessler，F.和Baru ff aldi，S.（2019），《科学质量和发明的价值》，科学进步5（12）。Reale，E.（2017），《国家公共研究基金分析》（PREF）-最终报告，技术报告JRC107599，欧洲联盟出版物。Rubin，D.B.（1977），“基于变量的治疗组分配”，教育统计杂志2（1），1-26。施密特，J.（2008），《施韦兹的霍奇施勒系统：施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦奇施韦。Serghiou，S.和Ioanidis，J.P.A.（2018），“作为预印本发布的研究的Altmetric分数、引用和出版”，JAMA 319（4），402–404。Severin，A.，Martins，J.，Heyard，R.，Delavy，F.，Jorstad，A.&爱格，M.（2020），“同行评审中的性别和其他潜在偏见：38250份外部同行评审报告的横断面分析”，BMJ Open 10（8），e035058。西尔伯扎恩，R.，乌尔曼，E.L.，马丁，D.P.，安塞尔米，P.，奥斯特，F.，奥特雷，E.，班纳德，C.，邦尼尔，E.，卡尔森，R.，张，F.，克里斯滕森，G.，克莱，R.，克雷格，M.A.，罗莎，A.D.，达姆，L.，埃文斯，M.H.，塞万提斯，I.F.，方，N.，加梅兹，奥基奇，M.，格伦茨，A.，戈登，S.，希顿，T.希顿，T.赫登，H.，莫哈登，约翰，J.霍格登，约翰，约翰，约翰，约翰，约翰，约翰，约翰，约翰，约翰，约翰，约翰，约翰，约翰，M.，J.卡洛迪莫斯，E.肯尼迪，D.M.，雷，R.林赛，T.A.，利凡尼，S.利凡尼，马丹，C.R.，莫尔登，D.莫勒曼，E.莫雷，R.D.，穆德，L.B.，尼杰斯塔德，B.R.，波普，N.G.，波普，B.普雷诺沃，J。

M.，Rink，F.，Robusto，E.，Roderique，H.，Sandberg，A.，Schl¨uter，E.，Sch¨onbrodt，F.D.，Sherman，M.F.，Sommer，S.A.，Sotak，K.，Spain，S.，Sp¨orlein，C.，Stafford，T.，Stefanutti，L.，Tauber，S.，Ullrich，J.，Vianello，M.，Wagenmakers，E.-J.，Witkowik，M.，Yoon，S.&Nosek，B.A.（2018），“许多分析师，一个数据集：透明的选择如何影响分析结果，”，心理科学方法和实践的进展1（3），337–356。Stephan，P.E.（2012），《经济学如何塑造科学》，哈佛大学出版社，马萨诸塞州剑桥。Surkis，A.和Spore，S.（2018），“相对引用率：它是什么？医学图书馆员为什么应该关心？”，医学图书馆协会杂志106（4），508–513。Tahmoresnejad，L.和Beaudry，C.（2019），“公共和私人资金对纳米技术相关出版物的引用影响”，国际期刊《技术管理》79（1），21-59。Wahls，W.P.（2018），“偏见的高成本：NIH对机构拨款的边际收益递减”，bioRxiv。Wang，J.，Lee，Y.-N.&Walsh，J.P.（2018），“科学领域的资助模式和创造力：竞争性与整体资助和状态应急效应”，研究政策47（6），1070–1083。沃伦·H·R.，莱森，N.和达斯古塔，P.（2017），《altmetrics的崛起》，JAMA 317（2），131-132。Y.Croissant（2020），“pglm：面板广义线性模型”，R packageversion 0.2-2.6补充数据描述表7显示了与主要论文表1相同的描述性统计数据，但按研究领域/领域分层。表8显示了在维度上被发现的研究人员（有一个唯一的ID）与在维度上无法明确发现的研究人员（没有任何记录、名词ID或其他不匹配的特征）的区别。因此，被发现的研究人员年龄稍大，更有可能在LSI和STEM领域进行研究。

关于机构类型，没有观察到大的差异。7补充分析7。1线性反馈模型作为估计随机截距的替代方案，为了解释研究人员的异质性，我们可以将过去的表现建模为当前表现的主要驱动因素。这些模型被称为线性反馈模型（LFM）。也就是说，我们使用研究人员的样本前信息作为不可观察特征的补偿，例如研究人员的能力或写作天赋，这些影响（后期）样本期的研究产出。因此，过去的表现反映了未观察到的研究人员特征的差异，如能力、技能和抱负（Blundell等人，1995年，Hottenrott&Thorwarth，2011年）。因此，如果对文章数量感兴趣，可以使用观察期开始前5年窗口内每年文章的平均数量来解释研究人员之间未观察到的时间不变差异。在这种LFM中，因变量Ii的研究人员特定存量被用作vi的代理。对于计数变量，模型定义为以下对数E（Pit |数据）=φ[Fit-1+Xit+Tt+Ii]。注意，对于LFM，由于因变量的过度分散，必须计算稳健的标准误差。详细结果见表10和表9。对于计数结果（同行评审的出版物和预印本）以及引文结果（平均每年每篇出版物的引文数）和altmetric，结果非常相似，并导致与主要论文中提出的关于SNSF资金的混合模型相同的结论。然而，对于FCR，影响大小随着样本前信息的增加而下降，从2%降至约1.1%。

对于RCR而言，SNSF资金影响的证据并不明显。为此，我们使用R中专门针对面板数据计量经济学的数据包中的pglm（）（Croissant 2020）。表7：按主要研究领域划分的（年度）产出指标、资金指标和基线特征的描述性统计。主要研究领域%（平均值）SD最小最大产出和资金措施#文章LS 6.5 7.4 0 141STEM 5.7 8.2 0 179SSH 1.5 3.7 0 222#预印本LS 0.1 0.7 0 54 STEM 0.9 2.3 0 41SSH 0.1 0.7 0 19#引文LS 185.2 358.3 0 7 888 STEM 157.7 368.2 0 0 6\'801SSH 25.6 105.7 0 3\'530#平均引文LS 5.7 5.5.5.3 0.3 0.4 4 0.4 4.4 avg 1。altmetric LS 14 42.9 1 2\'652.6阀杆11.5 35.2 1\'650SSH 14 67.5 1 4\'211avg。FCR LS 7.2 13.1 0 786.4 STEM 5.7 11 0 786.5SSH 6.7 13.2 0 522.3avg。RCR LS 1.8 4.2 0 242.2项目1.1 1.9 0 119.4SSH 1.3 1.9 0 66.8#受资助年份LS 4.7 5 0 15干5.5 5.1 0 15 SSH 3.6 3.7 0 15#受资助年份PI LS 3.5 4.8 0 15干3.8 4.8 0 15 SSH 2.4 3 0 15%受治疗观察结果LS 0.5干0.6 SSH 0.4，年龄和机构类型女性LS 21.7%STEM 14%SSH 34.5%男性LS 78.3%STEM 86%SSH 65.5%年龄LS 46.5 7.8 STEM 45.7 8.5 SSH 47.8 8.7广州大学LS 76.2%STEM 30.5%SSH 65.4%ETH域LS 10.6%STEM 57.6%SSH 6.5%UAS/UTE/其他LS 13.2%STEM 11.9%SSH 28.2%表8：在维度SVS中发现的研究人员特征。没有或找不到唯一标识的。2020年发现未发现（8\'793）（2\'435）年龄<45 24.2%16.1%45-54 38.2%32.9%55-64 27.2%33.6%65+10.4%17.4%主要研究领域38.6%31.6%STEM 31.2%25.7%SSH 30.1%42.8%机构类型广州大学49.9%52.2%ETH领域20.1%15.9%UAS/UTE/其他14.4%16%未分类15.6%15.8%表9：泊松计数线性反馈模型的发病率（IRR）结果1。第2条。

预印本（72英尺738磅）（61英尺726米）内部收益率（95%CI）p-val.内部收益率（95%CI）p-val.资金作为PI（t-1）1.19（1.17；1.2）<0.001 1.14（1.09；1.19）<0.001资金作为共同PI（t-1）1.11（1.09；1.12）1.09（1.04；1.15）评估。得分BC-B1.00（0.98；1.01）0.8772 0.93（0.9；0.97）<0.001Eval。男研究者1.37（1.3；1.45）<0.001 1.77（1.54；2.03）<0.001 1.77（1.54；2.54；2.03）<0.001 1.77（1.54；2.54；2.03）<0.0011.年龄（几十）0.001年龄（几十）0.00（几十）年龄（几十）10（十年）1.00（几十）10（几十）1.00）1.00（几十）10（几十）1.00）1.00（几十）1.00（几十）10（几十）1.00）1.00（几十）1.00（几十）1.00）1.00（几十）1.00（几十）1.00）1.00（几十）1.0（几十）1.00）1.00（几十）1.00）1.08（几十）1.08（10）1.08（10）1.08（10）1.08（1.08（61）研究区造币厂0.82（0.77；0.87）<0.001 4.04（3.55；4.58）<0.001研究领域SSH 0.33（0.31；0.35）0.99（0.85；1.14）2010-14 1.14（1.12；1.15）<0.0012015-19 1.16（1.14；1.18）2015-19 1.52（1.46；1.58）<0.001Pre-sample文章7.07（6.56；7.61）<0.001Pre-sample预印本11.59（9.22；14.57）<0.001注：IRR代表发病率比率。提供95%的置信区间（CI）。p值指模型中每个变量的似然比测试结果。对于机构型大学来说，它是一个参考类别，对于领域来说，它是生命科学。对于评估分数，AB类被视为参考类别，对于模型1，这一年是06-09，对于模型2.7.2，这一年是10-14。倾向分数分析的附加材料表11显示了属性分数匹配分析中带替换的绘图的计数统计。因此，在不同的匹配样本中，只有不到10%的对照研究人员年度观察结果被一次性使用，约60%的观察结果被最多使用25次。大约10%的对照组研究人员经常使用，即大约200次。在FCR样本中，这个数字略高，约15%表明，在这里，一些研究人员是许多接受治疗的研究人员的“双胞胎”。

预印本和RCR子样本的模式与表中所示样本的模式非常相似。图4显示了匹配前后倾向性得分和评估得分分布的比较，因此表明最近邻匹配程序成功地平衡了样本的授予可能性和（重要的）平均得分。8附加图以下部分包括附加图，以完成主要论文的数据描述和结果部分。8.1描述性统计图5代表了被拒绝和接受项目的等级分布。图6显示了不同基金中的观察计数，这意味着同时由ERC和SNSF资助的研究人员，仅由ERC或SNSF资助，或两个资助者都不资助。8.2互动效应研究者年龄和研究领域的资金效应差异也包括年度预印本数量（图7）、交替评分（图9）和FCR（图8）。最后，图10使用匹配练习表示相同的结果。表11：重复匹配（每个对照组个体匹配）匹配次数。

百分之五十。物品样本1 3\'050 6.95 6.951<x≤ 1013\'073 32.57 39.5210<x≤ 25 10\'908 21.98 61.5025<x≤ 50 6\'105 13.91 75.4150<x≤ 100 6\'116 13.93 89.34100<x≤ 213 4\'684 10.66 100总计43\'936 100Altmetrics样本1\'274 5.71 5.711<x≤ 10 6\'375 28.50 34.2110<x≤ 25 4\'513 20.17 54.3825<x≤ 50 4\'470 20.02 74.4050<x≤ 1003\'20114.3088.70100<x≤ 164 2\'529 11.30 100总计22\'362 100FCR样本1\'917 6.62 6.621<x≤ 10907531.3637.9910<x≤ 25.5\'983 20.68 58.6625<x≤ 50 3\'827 13.23 71.8950<x≤ 100 3\'724 12.87 84.76100<x≤ 191 4\'410 15.24 100总计28\'936 100图4：倾向性得分和评估得分的平衡（n=63\'680）0.2.4.6.81匹配前的估计倾向性得分0 1。2.4.6.81匹配后的估计倾向得分123456平均评估得分0 1123456平均评估得分0 1。图5：被拒绝（紫色）和被接受（绿色）提案中的等级分布。图6：不同资助组的观察计数演变。图7：每位研究人员的预印本预测数量取决于她是否接受治疗（作为PI/Co PI）和她的年龄组（左）或研究领域（右）。在预印本方面，年轻一代和老年一代从SNSF资金中受益更多。为了预测预印本的年度数量，基线混杂变量固定为2015-19年、男性、评估分数AB-A、ETH域、年龄交互模型的MINT，以及年龄小于45岁的现场交互模型。图8：根据她是否接受治疗（作为PI/Co PI）以及她的年龄组（左）或研究领域（右），预测每位研究人员的平均altmetric分数。关于SNSF资金和altmetrics之间的互动，没有得出结论性结果。