技术学习和创新孕育滞后于

我们收集了有关公司的地理位置、规模和活动部门（基于NACE 2位代码）的信息，以及有关其无形固定资产数量的数据。ORBIS数据库中的公司无形固定资产包括所有无形资产，如组建费用、研究费用、商誉、开发费用和所有其他具有长期影响的费用。最后，我们从PATSTAT数据库中检索了LHC供应商每年提交的专利数量。合并CERN采购数据库、ORBIS和PATSTAT数据的过程为我们提供了一个小组数据集，其中1296家公司中有896家与CERN合作建造大型强子对撞机。有关样品设计的更多详细信息，请参见第3.2节。图1显示了1995-2008年期间每年收到第一批大型强子对撞机相关订单的公司数量。正如我们所看到的，除了1995-96年和2007-08年，金融风险几乎是随时间均匀分布的。排除低价值订单的理由是，它们不太可能为企业带来知识溢出。此外，请注意，实验性合作，如ATLAS和CMS，有一些procurementautonomy，因此这里不包括他们的订单，除非他们是由CERN直接管理的。有关其他详细信息，请参阅：http://procurement.web.cern.ch/procurement-strategy-and-policyFigure1、大型强子对撞机相关订单的时间分布：1995-2008注：1995-2008年期间每年，该图显示了收到第一份大型强子对撞机相关订单的公司数量。如垂直虚线所示，分析中使用的样本期结束时间为2006年。3.2实证策略实证分析基于两个步骤。

首先，我们依靠生存分析来评估与CERN的合作是否增加了首次申请专利的风险。其次，我们估计了计数数据模型，以量化CERN采购对LHC供应商申请的专利数量的影响。这是可以实现的，因为集合公司在很长一段时间内收到了CERN的第一份订单，将统计单位自然划分为“供应商”和“尚未供应商”。在这两个病例中，我们还注意到“CERN效应”的时间安排。图2：。大型强子对撞机供应商的时间分布：1993-2006注：图中显示了公司从“尚未供应商”（白色条）到“大型强子对撞机供应商”（填充条）的转变。我们将过渡事件等同于采购关系的开始。因此，可以在计量经济分析中利用企业地位的时间变化来评估CERN采购如何影响企业的专利活动。请注意，theLHC是在1995-2008年期间构建的，但实证调查依赖于1993-2006年期间的apanel数据集。观察期的开始早于大型强子对撞机建造的开始，因为我们对“CERNeffect”的时间感兴趣。为了确保这种影响不会早于采购关系的开始，如果公司将在一年或两年内成为欧洲核子研究中心的供应商，我们的一些经验规范包括一组取值为1的虚拟变量。如果对公司专利申请中的“CERN效应”进行随意解释，那么这些二分法变量（作为线索）的系数永远不应该在统计上与零区分开来。如图2所示，在1995年之前，我们样本中没有一家公司收到LHC relatedorder。

此外，我们决定在2006年而不是2008年停止跟进，因为2006年的896家公司中，并非所有公司都与CERN建立了采购关系。事实上，我们有869家公司将其地位从“尚未供应商”改为“大型强子对撞机供应商”。其中包括27个实体作为对照。3.2.1生存分析我们依靠生存分析来估计专利风险的决定因素（Kiefer，1988年，经济学生存分析概述）。由于我们有兴趣观察统计单位从“非专利”公司状态向“专利”公司状态的转变，我们排除了1995年之前申请专利的实体。这是一个严格的标准，在896家公司中，我们有740家公司可以使用平衡面板数据集。其中，158人（21.4%）在与CERN开始合作后提交了他们的第一项专利。我们认为，Cox比例风险模型（Cox，1972）规定了公司i在t年申请专利的风险为：    危险率，(.), 是指在t年之前尚未申请专利的公司在t年首次申请专利的瞬时概率。基线风险，（t） ，是时间的函数。指数函数确保（.）为非负，如第4.2节所示，如果模型中省略了导联，则我们的结果不受影响。如第4.1节和第4.2节所述，实证分析依赖于不同规模的样本。生存分析包括740家公司。截至2006年，其中716家已将其状态从“尚未供应商”改为“LHC供应商”。统计数据模型以100家公司为样本进行估计。

截至2006年，99家已将其状态从“尚未供应商”更改为“大型强子对撞机供应商”。使基线风险与协变量Xisc，t的向量成比例的比例因子。该向量包括方程1右侧出现的所有变量解释，包括假人。虚拟变量如果与CERNstarted k年前的采购关系，则设置为1。c国在第t年对欧洲核子研究中心预算的贡献（表示为成员国总贡献的一部分）被表示为pctc，t。这一变量控制了国家异质性：它抓住了一个事实，即位于贡献更多的国家的公司可能有更高的概率收到订单，从而从知识溢出中受益。这也是因为CERN的官方政策平衡了各成员国之间的订单。捕获不可观察的国家特定异质性的其他因素用国家虚拟变量c建模。同样，我们还包括部门特定虚拟变量，其目的是允许基线风险在各个部门之间变化。向量Xi包括企业层面的控制变量，用于捕捉可能影响企业吸收能力的因素（Cohen和Levinthal，1990）。事实上，继Autioet al.（2004）之后，我们假设平衡计分卡的行业学习效应是由其与企业的二元关系产生的（即“二元关系”是组织之间的关系）。

企业能否利用知识溢出将取决于企业的吸收能力和二元系统的吸收能力（Lane和Lubatkin，1998），即促进二元系统内知识披露和知识交流的关系特定资产的总和。通过将公司分为小型（即参考类别）、中型、大型和大型的二分法变量，可以捕捉到公司规模对申请第一项专利的风险的影响。ORBIS数据库中提供的这种分类利用了有关总资产数量、营业收入和员工数量的信息。预计公司规模与专利风险呈正相关，因为大型公司可以利用规模经济，能够接触到更广泛的高素质合作者（Fernández Olmos和Ramírez Alesón，2017），并拥有更多的财政资源来承担昂贵的专利申请过程（参见Block等人2015年、Blind等人2006年和Leiponenand Byma，2009年等）。我们还包括一个虚拟变量（Hi-techi），利用企业收到的订单的技术强度将其归类为高科技或低技术。高科技企业（即至少收到一份被CERN专家归类为高科技的订单的企业）可能具有更高的吸收能力，并且更有能力将BSC的高科技订单转化为可销售的创新（Castelnovo等人，2018年；Hameri和Vuola，1996年；Edquist和Hommen，2000年）。附录A2中给出了基于企业技术强度替代定义的变量构造和结果稳健性检查的详细信息。

最后，我们将公司i（Orderi）收到的LHC订单总额（对数）视为与CERN的参与程度（如几年的联席会议）和采购关系的连续性的代表（奥贝格和本特森，2015）。事实上，如前所述，高价值订单的长期合作通常涉及与CERN的重复互动，这可能会提高采购的学习效果（Autio等人，2004年；Florio等人，2018年）。3.2.2计数数据分析由于生存分析的目的是首次评估大型强子对撞机的采购是否与专利危害的增加呈正相关，我们依赖于1995年之前从未申请过专利的大型强子对撞机供应商的子样本。利用计数数据模型，我们想量化公司在与CERN建立关系后申请的专利数量的增量，因此我们只关注在注册成立后至少申请了一项专利的公司。这使得我们有100家公司可以获得1993-2006年期间的面板数据集（即总共1400个观察值）。样本量减少的主要驱动因素是在我们的实证分析中纳入了研发支出的代理。第4.2节末尾讨论了涉及该样本设计变更的稳健性检查。由于公司每年提交的专利申请数量是一个计数，即一个非负整数值变量，有许多0和1，因此我们估计了泊松和负二项模型。

公司i eachyear，pi，t提交的预期新专利数量可以写如下：    方程（2）中的许多解释变量，包括向量Xi，t中的一些企业级控制，已在第3.2.1节中介绍。回归现在包括一组二分法变量()  了解CERN采购对专利随时间变化的影响。我们还添加了时间模型（t）来控制样本中所有公司的共同宏观经济冲击。宏观经济状况预计会影响企业的盈利能力、企业运营的商业环境以及技术合作网络与创新绩效之间的关系（Fernández Olmosand Ramírez Alesón，2017）。无形固定资产（IFAi，t）的对数代表R&D自由度（Chan等人，2001；Leoncini等人，2017；Marin，2014）。研发支出是分析专利活动的关键控制变量（Hall等人，1984年；Hausman等人，1984年；Aghion等人，2013年；Gurmu和Pérez Sebastián，2008年），但不幸的是，我们使用的代理功能有许多缺失的观察结果。然而，theORBIS数据库中可用的其他研发支出代理具有更高数量的缺失观测值。

史蒂文森和沃尔夫斯（2006）在一个完全不同的分析领域提出了一种类似的方法，将IFAi、t包括在内。Orbis数据库中记录的无形固定资产包括所有无形资产，如形成费用、研究费用、商誉、开发费用和所有其他具有长期影响的费用。虽然保持面板数据集的大小相当大，但我们排除了报告缺失值超过4个的公司。第4.2节讨论了有关此问题的稳健性检查。最后，继Blundell等人（1999年）之后，我们使用平均样本前专利计数（即平均pi，1993年之前30年内每年的专利申请数量）来捕捉公司未观察到的专利倾向。该变量捕获了不可观察的企业特定固定效应，反映了独立于CERN采购的企业之间创新产出水平的任何永久性差异。结果本节介绍了基于生存和计数数据模型的实证分析结果。虽然在这两种情况下，我们还讨论了广泛的稳健性检查，但为了方便起见，附录A3.4.1中限制了相应的表格CERN采购对专利风险的影响和时间安排。表1中报告了十种不同规格的考克斯比例风险模型的估计值-方程式（1）。表1的每一列都报告了对adistinct“CERN效应”变量系数的估计：对于k=0，1，…，9。回想一下如果采购关系始于k年前，则dummyvariable等于1。

因此，系数测量第一个LHC相关订单年份的危险率变化。同样地，捕获第一个订单后一年的危险率变化，依此类推。为了获得一个平衡的面板数据集，缺失的观测值被替换为零，并且在回归中包含一个取该观测值1的dummyvariable。表1：。专利活动开始的Cox比例风险模型（1）（2）（3）（4）（5）（6）（7）（8）（9）（10）k=0k=1k=2k=3k=4k=5k=6k=7k=8k≥ 90.0340.0430.0460.054**0.067***0.080***0.088***0.071*-0.0090.034（0.047）（0.037）（0.029）（0.022）（0.023）（0.022）（0.023）（0.040）（0.059）（0.073）高科技0.1330.1310.1320.1300.1350.1430.1470.1400.143（0.176）（0.175）（0.175）（0.175）（0.174）（0.175）（0.175）（0.175）（0.175）（0.175）订单10.001-0.003-0.004-0.006-0.009-0.012-0.009-0.0000.0130.010（0.068）（0.066）（0.064）（0.061）（0.062）（0.062）（0.061）（0.057）（0.058）（0.058）Mediumi0.515*0.516*0.517*0.522*0.529*0.533*0.529*0.523*0.519*0.520*（0.273）（0.272）（0.272）（0.272）（0.274）（0.274）（0.275）（0.279）（0.278）大1.164***1.162***1.162***1.166***1.173***1.178***1.170***1.164***1.172***1.168***（0.398）（0.396）（0.395）（0.395）（0.396）（0.400）（0.404）（0.409）（0.410）（0.410）V Largei2.055***2.057***2.062***2.071***2.090***2.103***2.096***2.071***2.050***2.051***（0.370）（0.363）（0.362）（0.359）（0.360）（0.359）（0.362）（0.367）（0.379）（0.378）pctc，t0.0020.0020.0010.0010.0010.0020.0020.0020.002（0.004）（0.004）（0.004）（0.004）（0.004）（0.004）（0.004）（0.004）（0.004）（0.004）（0.004）（0.004）（0.004）CYESYESYESYESYESYESYESYESYESYESYESYES是SYESYESYESYESYESYESYESYESYESYESYESNOTES：国家(c） 和部门(s） 所有规格中均包含固定效果。*p值<0.10，**p值<0.05，***p值<0.01。括号中的群集鲁棒标准错误（即群集是2位NACE代码）。

该表显示了方程式（1）中系数的估计值，而非危险比。表1显示，大型强子对撞机采购与首次申请专利的危险变化之间的关联以倒U形关系为特征。事实上，估计系数为正，从而确认H1，但对k=1,2,3不显著，同时显著且单调增加至k=6，然后降低，从而确认H2。图3绘制了与表1第一行所示估计系数相关的危险比估计值以及相应的95%置信区间。估计的危险比等于1意味着缺乏关联，而大于1的估计表明，CERN工业合作伙伴面临着比“尚未供应商”更高的申请第一项专利的“风险”。如图3所示仅在1以上3≤ k≤ 这意味着大型强子对撞机的采购对首次申请专利的危害比的影响需要时间来建立，并且表现出至少3年的滞后。同样，系数对于k≥ 8在统计上与零没有区别意味着，在收到CERN的第一个订单后，LHC采购与危险率变化之间的关联在80年后消失。图3：。大型强子对撞机供应商的危险比估计值：该图绘制了与表1第一行所示估计系数相关的危险比估计值以及相应的90%置信区间。