技术学习和创新孕育滞后于

估计的危险比率大于等于1意味着缺乏关联，而大于1的估计表明，与“尚未提供专利的供应商”相比，CERN工业合作伙伴面临更高的申请其第一项专利的“风险”。如果采购关系始于k年前，CERN（k）是一个等于1的虚拟变量。转到控制变量，我们发现，与规范无关，规模变量的估计系数在99%的水平上对大型和超大型公司是正的，具有统计显著性。与预期一致，这表明，考虑到所有其他协变量，对于大公司和非常大的公司，专利风险高于代表参考类别的小公司。表1中的所有模型还包括国家和部门固定效应。国家和部门固定效应共同等于零的零假设的Wald检验表明，两组控制均拒绝零假设。其余的控制变量在统计上永远无法与零区分开来。更准确地说，我们看到，正如预期的那样，高科技公司的专利风险更高，并且随着公司所在国对欧洲核子研究委员会预算的贡献百分比的增加而增加。然而，这些变量在统计学上都无法与零区分开来。

这也适用于公司收到的LHC订单总量；事实上，这个变量上的系数会切换signover规范，对此没有经济上有意义的解释。从平衡计分卡（BSC）采购到合作公司的后续利益之间存在相当大的时滞，这与相关文献中的研究结果一致。Griliches（1979）在其对研发与生产率关系的计量经济学分析调查中强调，钟形滞后结构将企业研发与生产率变化联系起来；之所以会出现这种情况，是因为企业需要时间才能充分利用研究成果。稳健性检查。事实上，用于将统计单位分为高科技企业和低技术企业的二分法变量的系数在统计上永远无法与零区分开来，这令人惊讶，因为我们预计该变量可能会捕捉到与企业吸收能力相关的某些方面。为了验证与这些系数相关的大标准误差不是由测量误差引起的，我们试图用一个连续变量来代表企业的技术强度程度，该变量捕获了归类为高科技的订单份额。附录A3.1节的结果表明，当使用此替代标准来衡量企业的技术强度时，表1的结果不受影响。同样，当我们将LHC订单总数替换为订单数的（对数）时，作为采购关系的参与和持续性的替代指标，我们的主要结果保持不变。4.2 CERN采购对专利活动的影响和时间安排图4显示了“相对年份”内每家公司的专利数量，表示为k。

这些测量从LHC第一阶开始的时间。因此，k>0表示第一个LHC指令是在k年前收到的。图4中的两条水平线是k的样本平均值≤ 0和k>0。在与欧洲核子研究中心建立关系之前（即≤ 0），样本平均值为每家公司0.31项专利，而在收到第一批LHC订单（即k>0）后，样本平均值上升到0.93。平均数相等的简单t检验可以拒绝零假设，因此表明企业创新产出存在“CERN效应”。表2中进一步研究了“CERN效应”的存在，其中我们在一组虚拟变量上回归了每年的专利申请数量，这些虚拟变量跟踪CERN对创新产出的影响时间，控制了几个协变量。由于我们希望确保公司专利活动的变化是在与CERN合作开始后发生的，因此所有规范还包括标记采购关系开始的虚拟变量的线索。更准确地说，变量表示为表示公司i将在最多几年内收到CERN的第一个订单。表2中报告的泊松模型和负二项模型都非常适合捕捉因变量的计数性质。表格底部的经验证据表明，我们的数据可能过于分散，因此违反了泊松回归模型的基本假设。泊松模型意味着每个时期专利数量的方差等于其在同一时间框架内的预期值（即等离差）。

负二项分布将泊松作为特例包含在内，并考虑了欠频和过频。过度分散变量的方差大于预期值。图4：。每家公司的专利数：相对年份注：“相对年份（k）”衡量的是从LHC第一个订单开始的时间距离。因此，k>0表示第一个订单是在k年前收到的，k<0表示订单将在k年后收到。对于每个k，该图报告了每个公司的专利数量。虚线表示为“平均值（-11,0）”表示在相对年份k=-11，…，0，即大型强子对撞机采购开始之前，每个公司的平均专利数量。同样，表示为“平均值（1,11）”的虚线表示相对年份k=1，…，11，即大型强子对撞机采购开始后，每个公司的平均专利数量。表2第1-3列和第4-6列中的模型包括越来越多的控制变量。以下注释涉及第6列中最完整的负面二进制规范。关注“CERN效应”，我们可以看到在95%置信水平下，仅对5≤  k≤  这再次表明，大型强子对撞机的采购与专利申请数量的变化之间存在着相当大的时滞。此外，上的系数永远无法从统计上区分零。

这与以下预期一致：大型强子对撞机采购对公司创新产出的任何影响都应在与欧洲核子研究中心的关系开始之后，并加强对我们结果的因果解释。在控制变量方面，我们发现“高科技”的系数在95%的置信水平下为正且具有统计显著性，这意味着高科技公司平均申请的专利多于低技术公司。规模也和专利申请的平均数量呈正相关。同样，我们也观察到，我们的研发支出代理（即“IFAit”）与企业创新产出之间存在着积极且具有统计学意义的关系。这一发现与关于研发与专利关系的大量文献一致（Crépon et al.1998；Gurmu and Pérez Sebastián，2008；Hausman et al.，1984）。另一方面，其余控制变量（即“Avg.pi”、“Orderi”、“pctc、t”）在统计上永远无法从零区分。最后，该模型还包括一组国家、部门和时间固定效应。这些固定效应（每组）共同等于零的无效假设总是可以被拒绝的。与表2其他列的比较表明，我们的主要结果——对企业创新产出的“CERN效应”的存在——对分布假设的变化（即考虑泊松规范时）和模型中包含的控制变量集的修改都具有鲁棒性。

控制变量系数的估计值和显著性在很大程度上不受此类变化的影响。总之，表2与表1的结果一致，并进一步证实了H1。“欧洲核子研究中心效应”与首次申请专利和专利申请的风险增加有关。在这两种情况下，正如H2所设想的那样，这种影响会出现相当大的时间间隔。一个显著的区别是，虽然企业的技术分类导致专利申请数量在统计上显著增加，但在比例风险模型中，这一变量的系数在统计上无法与零区分开来。表2：。计数数据模型（1）（2）（3）（4）（5）（6）PoissonPoissonPoissonNegbinNegbinNegbinNegbin0.1640.1670.1760.1220.1510.159(0.214)(0.204)(0.207)(0.229)(0.220)(0.217)0.637**0.5430.5420.546*0.564*0.573*（0.324）（0.334）（0.348）（0.315）（0.323）（0.315）CERN（1,2）0.2710.1450.1560.1910.1460.158（0.236）（0.257）（0.278）（0.255）（0.253）（0.247）CERN（3,4）0.4820.3860.4100.2260.1770.199（0.341）（0.352）0.359）（0.311）（0.296）（0.276）CERN（5,6）1.293***1.147**1.209**0.954**0.927**0.958**（0.449）（0.487）（0.501）（0.419）（0.397）（0.394）1.021**0.934*0.9551.132**1.190**1.213***(0.452)(0.510)(0.612)(0.506)(0.498)(0.471)0.8080.4790.5060.1870.0660.099（0.544）（0.634）（0.709）（0.508）（0.549）（0.607）高科技0.426**0.653**0.673**0.632**0.782***0.797**（0.193）（0.307）（0.308）（0.259）（0.283）（0.317）Mediumi3.098**2.982**2.992**3.301**3.221***3.222***（1.549）（1.466）（1.449）（1.356）（1.250）（1.244）大2.983**2.821*2.832*2.921**2.901**2.909**（1.492）（1.456）（1.467）（1.311）（1.225）（1.239）V大4.787***4.446***4.461***4.561***4.279***4.288***（1.665）（1.647）（1.677）（1.488）（1.448）（1.472）平均。

pi-0.041-0.017-0.0220.0370.1380.132（0.559）（0.603）（0.614）（0.470）（0.512）（0.511）IFAit0.105*0.108*0.113**0.114**（0.059）（0.059）（0.050）（0.046）订单I-0.011-0.009（0.097）（0.105）pctc，t-0.030-0.012（0.024）（0.036）过度分散()2.11381.99051.9858c0.00000.00000.00000.00000.00000.0000s0.00000.00000.00000.00000.00000.0000t0.00000.00880.00000.00110.00000.000注：国家(c） ，扇区(s） ，年(t） 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）。参考类别为1993年在其他制造业运营的比利时小型企业。当IFA中缺少值时，回归还包括一个等于1的虚拟变量。“过度分散”表示负二项模型中方差膨胀系数的估计值，其中假设方差等于：var= ×平均值。H0的过分散试验： =1为：298.13（0.0000）、274.01（0.0000）、271.27（0.0000），其中p值如所示（）。稳健性检查。表2中的基线结果依赖于样本设计，不包括IFAit中报告4个以上缺失值的公司。作为稳健性检查，我们将该任意阈值从每个公司的4个缺失值更改为6个缺失值。将排除规则设置为5缺失观察值会产生112家公司的样本（或1568个观察值），而考虑变量的大部分6缺失值会导致121家公司的样本（或1694个观察值）。由于IFAit中缺少值，我们的基线结果对于用于排除公司的阈值的变化是稳健的。

同样，排除作为线索的二分法变量，既不影响CERN假人集的估计系数，也不影响控制变量集的估计系数。我们还考虑了一个完全不同的样本设计，其中我们不排除从未申请过专利的公司。将没有专利的实体添加到263家公司或3682个观察值的样本中。在进行分析时，包括从未申请过任何专利的公司在内，我们得到了更大的样本和可能更有效的测试，我们关于欧洲核子研究中心采购对专利的影响的主要结论在质量上没有什么不同。最后，我们还接受了第4.1节中考虑的相同稳健性检查。首先，我们将企业技术强度的代表变量从二分法变为连续变量。其次，我们将LHC订单的总数替换为此类订单的（对数），作为与CERN的采购关系的参与和持续性的替代指标。在这两种情况下，我们的主要结果保持不变。见附录A3.2节。结论本文有助于研究平衡计分卡对技术创新的影响。对早期文献的分析和案例研究的定性证据表明，技术供应商的主要利益是学习和声誉，但也存在研发和其他回报不确定的投资方面的成本。我们利用了一个独特的数据集来实证测试CERNPROCUMENT对其工业合作伙伴创新产出的影响。专利申请被用作创新产出的代表，以调查两个相关的研究问题。

首先，进行了生存分析，以评估与CERN的合作是否增加了首次申请专利的风险。其次，计数数据模型提供了CERN采购对CERN申请人申请专利数量影响的估计。由于合作公司在很长一段时间内收到了CERN的第一份订单，我们将统计单位自然划分为“供应商”和“非yetsuppliers”，从而可以调查“CERN效应”的时间安排。我们的结果表明，“CERN效应”确实存在，并且与首次申请专利和专利申请的风险增加相关。这种影响在统计上是显著的，仅在从采购关系开始的几年（5-8年）之后。从平衡计分卡（BSC）采购和创新之间存在的这种滞后可能表明，从科学前沿的技术中学习并将这些知识转化为商业应用是一个中长期的过程。这方面有一个重要的考虑因素。正如案例研究所强调的那样，许多面临全新技术问题的供应商最初需要依赖欧洲核子研究中心人员的专业知识，并与他们密切合作。这是Florio等人（2018）的主要结果，他们发现，采购的关系治理越强，对公司的影响越大。有时研发首先由CERNI实施，在采购关系期间，公司吸收了科学目的所需的全新概念和解决方案。

合同结束后，公司应考虑所学知识，并了解未来可能出现的新市场机会。只有在“互动学习”过程结束时，industrialpartners自己的研发以及随后开发的新产品/流程的商业应用才能开始。关键的一点是，这一过程与在通常的商业环境中（如Hausman等人1984年发表的半论文中）推动研发专利相关性的过程截然不同，因为这需要耐心的公司进行投资，以找到BSC采购产生的新知识的商业应用。科学前沿创新采购的特殊之处在于，它带来了新的技术挑战，触发了一种索洛（1997）所说的企业“惊喜”学习机制。作为其他更为成熟的创新政策的补充，这可能会产生有趣的影响。致谢作者感谢2017年5月在柏林举行的欧洲核子研究中心FCC周“欧洲核子研究中心对撞机的经济影响：LHC对HL-LHC及其后的技术溢出”研讨会的与会者，2018年9月在帕多瓦大学举行的意大利公共经济学会（SIEP）XXX会议，2019年1月在罗马特雷大学举行的第十四届意大利产业政策与经济学会（SIEPI）研讨会上。此外，我们感谢埃曼努埃拉·西托里（Emanuela Sirtori），他协调了《欧洲科学研究院与犯罪现场调查》（2019年）报告的采访，对之前版本的论文发表了有益的评论。我们也非常感谢FCC研究在米兰大学和欧洲核子研究中心（KE3044/ATS）之间的合作协议框架内提供的资金支持。参考文献奥伯格，S.，&本特森，A。