Økonomiske effekter af erhvervslivets forskningssamarbejde med offentlige videninstitutioner

Transkript

1 Økonomiske effekter af erhvervslivets forskningssamarbejde med offentlige videninstitutioner Innovation: Analyse og evaluering 02/2011

2 KOLOFON > Økonomiske effekter af erhvervslivets forskningssamarbejde med offentlige videninstitutioner Redaktører: Hanne Frosch og Thomas Alslev Christensen Udgivet af: Forsknings- og Innovationsstyrelsen Bredgade København K Telefon: Fax: fi@fi.dk Udgivet i juli (tryk) (web) TRYK: CS-Grafisk Layout: Formidabel Oplag: 500 Publikationen kan downloades fra Forsknings- og Innovationsstyrelsens hjemmeside:

3 Økonomiske effekter af erhvervslivets forskningssamarbejde med offentlige videninstitutioner Innovation: Analyse og evaluering 02/2011 Forsknings- og Innovationstyrelsen Juli 2011

4 4

5 INDHOLD > SAMMENFATNING 9 De økonomiske effekter af samarbejde mellem forskning og erhvervsliv 9 Analysens datagrundlag 14 Hvordan er effekterne dokumenteret? 16 ENGLISH SUMMARY 19 1 EFFEKTEN AF ERHVERVSLIVETS SAMARBEJDE OM FORSKNING OG UDVIKLING MED OFFENTLIGE VIDENINSTITUTIONER Introduktion til effektmåling Hvad er vidensamspil med offentlige videninstitutioner? Hvorfor har virksomheder samarbejde med videninstitutioner? Hvad er virksomhedernes motiver for vidensamspil Hvilke virksomheder samarbejder med videninstitutioner? Hvilke spørgsmål undersøges, og hvorledes dokumenteres effekterne? 34 2 RAPPORTENS ANALYSER AF VIDENSAMSPIL OM FORSKNING OG UDVIKLING Analysernes formål To nøgleindikatorer i analysen: Værditilvæksten og produktivitet per medarbejder 38 3 DEN KAUSALE SAMMENHÆNG MELLEM VIDENSAMSPIL OG PRODUKTIVITET PER MEDARBEJDER Metoden og datagrundlag i kausalanalysen Datagrundlaget Paneldata 43 5

6 3.1.3 Kontrolgruppe Propensity score matching Behandling af outliers Resultater Kausal sammenhæng mellem et eller flere vidensamspil med videninstitutioner og produktivitet per medarbejder Kausal sammenhæng mellem ét enkelt vidensamspil med videninstitutioner og produktivitet per medarbejder Kausal sammenhæng mellem forsknings- og udviklingssamarbejde med universiteter og produktivitet per medarbejder Kausal sammenhæng mellem forsknings- og udviklingssamarbejde med GTS-institutter og produktivitet per medarbejder Sammenhæng mellem køb af forskning og produktivitet per medarbejder 50 4 ØKONOMISKE EFFEKTER AF FORSKNINGS- OG UDVIKLINGSSAMARBEJDE Modeller til analyse af de økonomiske effekter Produktivitetseffekter per medarbejder af vidensamspil med videninstitutioner Branchespecifikke og virksomhedsspecifikke privatøkonomiske effekter Effekter målt ved produktivitet per medarbejder Effekter målt ved værditilvækst i virksomhederne Effekter af vidensamspil med universiteter og GTS-institutter Samfundsøkonomiske effekter 61 5 OVERVEJELSER ANGÅENDE ANALYSEMETODE OG DATAGRUNDLAG Kausalitet og brug af kontrolgrupper Behandling af outliers 65 6

7 5.3 Balancerede paneldata Konstruktion af output variabel og værdifastsættelse Modellering af sammenhæng mellem vidensamspil og effekt Spill-over effekter 67 6 HVILKE FAKTORER HAR BETYDNING FOR EFFEKTEN AF OG SANDSYNLIGHED FOR VIDENSAMPIL? Hvilke faktorer påvirker sandsynligheden for, at virksomhederne deltager i vidensamspil? Hvilke faktorer påvirker virksomhedernes produktivitet per medarbejder 72 7 OVERSIGT OVER INTERNATIONALE STUDIER OM EFFEKTEN AF VIDENSAMSPIL Studier af effekter af virksomheders vidensamspil Studier af de faktorer, som påvirker virksomhedernes sandsynlighed for at have samspil om forskningsaktiviteter 77 REFERENCER 80 APPENDIKS: DATA OG METODER 84 A.1 Metoder 84 A.1.1 Propensity score matching metode 85 A.1.2 Difference-in-difference metode 85 A.1.3 Produktivitetsfunktion 85 A.1.4 Sandsynlighedsmodel for vidensamspil 85 A.2 Data 86 PUBLIKATIONER FRA FORSKNINGS- OG INNOVATIONSSTYRELSEN 97 7

8 8

9 SAMMENFATNING > De økonomiske effekter af samarbejde mellem forskning og erhvervsliv De komparative statiske analyser i Forsknings- og Innovationsstyrelsens rapport Produktivitetseffekter af erhvervslivets forskning, udvikling og innovation fra 2010 viste, at for alle virksomheder i Danmark er den gennemsnitlige produktivitet per medarbejder 15 procent højere i forsknings- og udviklingsaktive virksomheder end i virksomheder, der ikke forsker eller udvikler. For det andet viste rapporten, at den gennemsnitlige arbejdsproduktivitet yderligere er 15 procent højere i de forsknings- og udviklingsaktive virksomheder, som samarbejder med videninstitutioner, såsom forskningsinstitutioner, teknologiske serviceinstitutter, universiteter, højere uddannelsesinstitutioner eller sektorforskningsinstitutioner. For det tredje viste rapporten, at nettoprofitten for en gennemsnitlig forskningsog udviklingsaktiv virksomhed af en ekstra krone investeret i forskning eller udvikling er 66 procent. De nye analyser i denne rapport sandsynliggør statistisk signifikante effekter med hensyn til produktivitet per medarbejder og værditilvækst for forsknings- og udviklingsaktive virksomheder, der indgår i vidensamspil med offentlige videninstitutioner i forhold til forsknings- og udviklingsaktive virksomheder uden samspil. Rapporten estimerer, at forsknings- og udviklingsaktive virksomheder, som siden 1999 har indgået i et konkret vidensamspil med offentlige videninstitutioner mv., i gennemsnit over en ni-årig periode har oplevet en årlig merproduktivitet per medarbejder på knap kr. i forhold til en kontrolgruppe af statistisk sammenlignelige forsknings- og udviklingsaktive virksomheder uden samspil. Det svarer til, at den gennemsnitlige medarbejder er omkring 9 pct. mere produktiv i virksomheder med samspil end i den valgte kontrolgruppe. Kontrolgruppen af virksomheder er fundet blandt forsknings- og udviklingsaktive virksomheder inden for samme branche, størrelse, forskningsintensitet, eksport, uddannelsesbaggrund, forskningspersonale, medarbejdersammensætning mv. Rapporten estimerer, at der i Danmark kan skabes højere produktivitet per medarbejder og værditilvækst i forsknings- og udviklingsaktive virksomheder uden samspil, hvis de gik ind i et vidensamspil med et universitet, et GTS-institut eller en anden offentlig videninstitution. Med forbehold for de anvendte økonometriske metoder og valget af kontrolgruppe indikerer analysen, at virksomhedernes samlede værditilvækst alt andet lige - årligt ville kunne stige med op mod 21,6 mia. kr., hvilket ville svare til, at bruttonationalproduktet ville stige med 1,5 pct. I forbindelse med tidligere analyser af virksomheders samspil med offentlige videninstitutioner har det været fremført, at det var de virksomheder, der i forvejen havde den højeste medarbejderproduktivitet, som samarbejder, og ikke at samarbejde bidrager til øget medarbejderproduktivitet og dermed øget værditilvækst. 9

10 Som noget nyt sandsynliggør denne rapport, at der er en signifikant statistisk sandsynlighed for en kausal sammenhæng mellem at indgå i et samspil og efterfølgende opnå højere produktivitet per medarbejder end tilsvarende forsknings- og udviklingsaktive virksomheder uden samspil. Konklusionerne omkring den kausale sammenhæng skal dog håndteres med forsigtighed. De opnåede resultater bygger på sammenligning med en kontrolgruppe, som i sagens natur ikke kan være en fuldstændig identisk kontrolgruppe, men alene en kontrolgruppe, der ud fra de valgte parametre i Propensity Score Matching Metoden har samme sandsynlighed for samspil som gruppen af virksomheder uden samspil. Under de givne forudsætninger om valg af økonometriske metoder samt kontrolgrupper er desuden estimeret følgende mere specifikke resultater: Gevinsten er årlig 6,8 pct. i merproduktivitet per medarbejder i forsknings- og udviklingsaktive virksomheder, der investerer i forskning og udvikling i forbindelse med et universitetssamarbejde. For en gennemsnitlig virksomhed, der har denne type forsknings- og udviklingssamarbejde, betyder det en produktivitet per medarbejder, der er kr. højere end statistiske sammenlignelige virksomheder uden samarbejde. Gevinsten er årlig 7,3 pct., svarende til kr., i merproduktivitet per medarbejder i virksomheder, der investerer i forsknings- og udviklingsaktiviteter i samarbejde med GTS. Endelig er gevinsten årlig 9,6 pct. i merproduktivitet per medarbejder, dvs kr. per medarbejder i den gennemsnitlige forsknings- og udviklingsaktive virksomhed, hvis investeringen i forskning og udvikling sker i samarbejde, hvor der både indgår et GTS-institut og et universitet eller andre offentlige videninstitutioner. Tabel 1 Gennemsnitlige årlige mereffekter på værditilvæksten og produktivitet per medarbejder i virksomheder med vidensamspil med forskellige typer af videninstitutioner Produktivitet per medarbejder Værditilvækst per virksomhed Vidensamspil med universitet kr kr. Vidensamspil med GTS kr kr. Vidensamspil med både universitet og GTS kr kr. Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N: De ovenstående specifikke effekter af produktivitetsgevinster ved samspil, der nævnes i kronebeløb, indikerer en meget stor præcision i analysen. Dette beløb vil formentligt ændre sig under andre bagvedliggende antagelser fx i forhold til måden at finde kontrolgruppen. Hovedbudskabet i analysen er derfor, at der er konstateret signifikant positive effekter frem for de ovennævnte specifikke beløb. 10

11 Der er tale om en partiel analyse af effekterne af samspil med GTS-institutter eller universiteter. Der er ikke i denne forbindelse taget højde for de ressourcer som fx er anvendt i universiteter eller GTS-institutter. Det er der fx taget højde for i Analysis of the Industrial PhD Programme, Forsknings- og Innovationsstyrelsen, Innovation: Analyse og evaluering 01/2011, samt The Innovation Consortium Scheme an analysis of Firm Growth Effects, Forsknings- og Innovationsstyrelsen, Innovation: Analyse og evaluering 03/2010. Begge disse analyser, som baserer sig på samme metoder som i denne rapport, kommer frem til, at der er signifikante positive resultater af forskningsprojekter eller PhD-projekter, som sker i samarbejde mellem virksomheder, GTSinstitutter og universiteter. De økonometriske analyser i denne rapport sandsynliggør, at der er positiv sammenhæng mellem vidensamspil med offentlige videninstitutioner og udviklingen i virksomhedernes produktivitet per medarbejder. Det indikerer, at der er en kausal sammenhæng mellem at indgå i et vidensamspil og en øget produktivitet per medarbejder. Produktiviteten per medarbejder er signifikant højere for virksomheder, som samarbejder med universiteter og højere uddannelsesinstitutioner, (i figurerne betegnes de som Treatment ) især de første fem år i forhold til statistisk sammenlignelige virksomheder, der ikke har samarbejdet i den samme periode (i figurerne betegnes disse virksomheder Kontrol ). Figur 1 Kausal sammenhæng mellem virksomhedernes forskningsog udviklingssamarbejde med universiteter og produktivitet per medarbejder Procent ,52 11,84 10,92 13,56 8,09 11,35 10,8 17,23 12,53 18,69 13,76 Sign. 5% 17,87 16, Sign. 10% 4,5 3,75 4,24 Kontrol 0,2 1,55 Treatment År efter samspil Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N(målgruppe): 518 og N(kontrolgruppe):

12 Desuden ses det, at virksomheder får større effekter allerede efter et år ved at samarbejde med teknologiske serviceinstitutter. Effekten ved at samarbejde med universiteter viser sig lidt mindre, men varer til gengæld længere, jf. figur 1 og figur 2. Figur 2 Kausal sammenhæng mellem vidensamspil med GTS-institutter og produktivitet per medarbejder Procent ,6 0 11,68 2,26 13,39 3,92 10,07 4,42 13,24 8,75 12,38 11,63 16,76 13,91 15,56 Sign. 5% Sign. 10% Treatment Kontrol År efter samspil 18,88 17,9 Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N(målgruppe): 332 og N(kontrolgruppe): 332 Tabel 2 sammenfatter resultaterne vedrørende den gennemsnitlige årlige mereffekt på værditilvækst og produktivitet per medarbejder i virksomheder med vidensamspil med videninstitutioner i forhold til en kontrolgruppe af forskningsog udviklingsaktive virksomheder, som statistisk set har samme sandsynlighed for at indgå i et vidensamspil, men som ikke har gjort det. Den gennemsnitlige forsknings- og udviklingsaktive virksomhed med vidensamspil med offentlige videninstitutioner får en årlig værditilvækst, som er 8,8 mio. kr. højere end forsknings- og udviklingsaktive virksomheder uden samspil. 12

13 Tabel 2 Gennemsnitlig årlig mereffekt på værditilvækst og produktivitet per medarbejder i virksomheder med vidensamspil med videninstitutioner Produktivitet per medarbejder Værditilvækst per virksomhed Gennemsnitlig årlig forskel mellem forsknings- og udviklingsaktive virksomheder med samspil og forsknings- og udviklingsaktive virksomheder uden samspil kr kr. Gennemsnitlig årlig forskel mellem forsknings- og udviklingsaktive virksomheder med samspil og forsknings- og udviklingsaktive virksomheder uden samspil 9% 9% Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N: Figur 3 viser, at over en årrække akkumuleres denne effekt. Allerede efter 1. år oplever virksomhederne med vidensamspil med offentlige videninstitutioner en produktivitet per medarbejder, som er kr. højere end virksomheder uden samspil. Effekten er størst de første tre år efter indgåelse i vidensamspil. Herefter falder effekten og følger mønsteret i den kausale analyse. Den gennemsnitlige årlige effekt er kr., hvilket svarer til, at den gennemsnitlige medarbejder er 9,0 pct. mere produktiv i virksomheder med vidensamspil sammenlignet med virksomheder uden samspil. Figur Akkumulering af de gennemsnitlige årlige mereffekter på produktivitet per medarbejder i virksomheder med vidensamspil med videninstitutioner 450 År kr År 1 År 2 År 3 År 4 År 5 År 6 År 7 År 8 År 9 År 8 År 7 År 6 År 5 År 4 År 3 År 2 År 1 Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N:

14 Analysens datagrundlag Der er hidtil ikke gennemført nogen studier af denne type i Danmark eller internationalt, som benytter et så omfattende statistik materiale. Analysen tager udgangspunkt i op til forskellige virksomheder for perioden 1997 til Datagrundlaget bygger på de virksomheder, som indgår i de danske forskningsog udviklingsstatistikker for erhvervslivet i perioden 1997 til Desuden kobles virksomhedsdata fra regnskabsstatistikkerne fra 1999 til 2008 samt uddannelsesstatistikkerne fra samme periode. Desuden er DAMVADs samspilsdata brugt i analyserne. Erhvervslivets forsknings- og udviklingsstatistikker dækker virksomheders forsknings- og udviklingsaktiviteter i Danmark i perioden Statistikken bygger på et spørgeskema, som en stikprøve af virksomheder besvarer. Der er forskel mellem brancher og på størrelse af virksomhederne. For de primære erhverv medtages ikke virksomheder med under 50 ansatte. For videnservice medtages ikke virksomheder med under 2 ansatte, og for fremstilling medtages ikke virksomheder med under 6 ansatte. statistikker Forskning- og Innovationsstatistikker Regnskabsstatistikker Uddannelses Samlet database Regnskabsoplysninger Medarbejder oplysninger FoU-samspil DNA for virksomheders FoU-aktiviteter DAMVADs Samspils database

15 I spørgeskemaerne angiver virksomhederne, om de køber forskning hos: Nationale og internationale virksomheder Nationale og internationale højere læreanstalter og universiteter Teknologiske serviceinstitutter Øvrige offentlige forskningsinstitutioner. Fra 1999 inkluderes spørgsmålet om virksomhedernes konkrete vidensamspil, som dækker formelt forskningssamarbejde mellem virksomheden og: Andre virksomheder i samme koncern i Danmark, EU og udenfor EU Andre virksomheder i Danmark, EU og udenfor EU Universiteter i Danmark, EU og udenfor EU Andre offentlige/private forskningsinstitutioner i Danmark, EU og udenfor EU Fra 2001 udvides spørgsmålet til også at omfatte de Godkendte Teknologiske Serviceinstitutter. Fra 2003 har spørgsmålet også fokus på virksomhedens værdikæde og omfatter spørgsmål om forsknings- og innovationssamspil med leverandører og kunder. Forsknings- og udviklingsstatistikken belyser relevante faktorer, der er med til at nuancere, hvorfor og under hvilke omstændigheder et vidensamspil giver vækst: Forsknings- og udviklingsintensitet målt på f.eks. forsknings- og udviklingsinvesteringer per ansat eller forsknings- og udviklingspersonale per ansat. Forskningsberedskab i form af egen forsknings- og udviklingsafdeling. Det er en indikator på virksomhedernes absorptionskapacitet. Er der ansat egentlige forskere i virksomheden, og hvor stor en andel af de ansatte er forskere. Begge faktorer vil ligeledes kunne indgå, som indikatorer på virksomhedernes absorptionskapacitet. Hvilke teknologiområder foregår forskningen inden for. Er forskningen grundforskning, anvendt forskning eller udviklingsarbejde. Er forskningen rettet mod produkter, processer eller generel videnopbygning. Regnskabsstatistikken bygger på FIDA-registeret, som indeholder oplysninger om virksomheders økonomi og regnskabsmæssige forhold. Der er tale om en statusopgørelse, som fortages ultimo november. Alle virksomheder, som er registreringspligtige i henhold til lovgivningen indgår i FIDA, og dækningsgraden er derfor tæt på 100 procent. Regnskabsoplysninger fra virksomhederne indsamles hvert år og muliggør derfor at sammensætte et detaljeret paneldata, hvor nøgletal for virksomhedernes regnskab kan følges over tid. Uddannelsesregisteret indeholder oplysninger om hver enkelt uddannelse, som Danmarks Statistik modtager indberetninger om. Uddannelser kan skifte navn over tid, hvor registeret indeholder information om uddannelsers aktuelle placering i uddannelsessystemet. 15

16 DAMVAD har udviklet en samspilsdatabase, der dækker projekter i alle større forsknings- og innovationspuljer, herunder f.eks. Innovationskonsortier, Strategisk forskning, EU-forskning, EUDP, Innovationsloven mv. Sammenlagt er der gennemgået mere end projekter, som inkluderer knap projektdeltagere. Der indgår ca unikke virksomheder i databasen, hvoraf størstedelen af virksomhederne kan genfindes i Forsknings- og udviklingsstatistikken, hvilket muliggør kobling mellem Samspilsdatabasen og Forsknings- og udviklingsstatistikken gennem virksomhedernes CVR-nr. Hvordan er effekterne dokumenteret? Der er internationalt en stigende interesse for at kunne gennemføre kvantitative analyser af effekter af virksomhedernes aktiviteter inden for forskning, udvikling og innovation. Den øgede fokus på området er bl.a. drevet af OECD 1, som har sat stort fokus på området med en koordineret indsats blandt de fleste af EU27- landene, Korea, Norge, Schweiz, Rusland, Tyrkiet, Sydafrika og de fleste lande i Sydamerika. De fleste lande har på grund af begrænset adgang til kvantitative data og lange tidsserier ikke samme muligheder som Danmark. I andre lande er det derfor ikke muligt at etablere det nødvendige tilstrækkelige datagrundlag, som skal bruges til at gennemføre solide og validerede kvantitative økonometriske analyser, der historisk kan dokumentere og beregne virksomhedernes effekter af vidensamspil 2. På grundlag af de omfattende danske statistikker anvender denne rapport flere forskellige økonometriske metoder, som beskrives i det følgende: Propensity Score Matching Metoden anvendes til i et én-til-én forhold at etablere og afgrænse gruppen af forsknings- og udviklingsaktivevirksomheder, der har vidensamspil med offentlige videninstitutioner, og en statistisk sammenlignelig kontrolgruppe af forsknings- og udviklingsaktive virksomheder uden samspil. Det bør bemærkes, at det umuligt at finde en kontrolgruppe, som er fuldstændig ens. Difference-in-difference metoden anvendes til at beregne forskelle i udviklingen i produktiviteten per medarbejder hos treatmentgruppen af forsknings- og udviklingsaktive virksomheder med samspil og kontrolgruppen af statistisk identiske forsknings- og udviklingsaktive virksomheder uden samspil. Cobb Douglas produktivitetsfunktion, som anvendes til at sætte kroner og øre på effekterne af virksomhedernes vidensamspil i form af øget produktivitet per medarbejder, modelleres som en OLS-regression. Sandsynlighedsmodeller for virksomhedernes vidensamspil anvendes til at identificere de faktorer, der har betydning for, om de forsknings- og udviklingsaktive virksomheder indgår i et vidensamspil med offentlige videninstitutioner, opstilles som logistiske regressioner og anvendes forbindelse med Propensity Score Matching Metoden. 1 OECD Science, Technology and Industry Outlook (2008). 2 Se f.eks. Belderbos m.fl. (2004) som anfører, at der overraskende nok ikke findes meget empirisk forskning på spørgsmålet, om vidensamspil har en positiv effekt på virksomhedernes performance. 16

17 Den såkaldte propensity score matching metode anvendes til at matche virksomheder, som har indgået i vidensamspil med offentlige videninstitutioner med lignende forsknings- og udviklingsaktive virksomheder, som ikke har indgået i et samspil. Metoden går ud på, at der til en virksomhed T, som har et vidensamspil med en videninstitution, blandt de øvrige knap virksomheder i Forsknings- og udviklingsstatistikken findes en virksomhed C, som på en række statistiske parametre ligner virksomhed T ved at have samme sandsynlighed ( propensity score ) for at indgå i et samspil, men uden at virksomhed C rent faktisk har indgået i et samspil. På den måde kan virksomhed T (som betegnes treatment virksomhed) sammenlignes med en statistisk identisk virksomhed C (som betegnes kontrolvirksomhed) fundet i Forsknings- og udviklingsstatistikken. Virksomhed C skal statistisk ligne virksomhed T med hensyn til branche, virksomhedsstørrelse, eksportmønster, medarbejderstabens uddannelse samt forsknings- og udviklingsaktiviteter. Der anvendes i denne analyse en opdeling på fem forskellige brancher og fire forskellige virksomhedsstørrelser. Matchingen mellem virksomhed T og virksomhed C går således ud på, at anvende propensity scoren til at matche virksomheder med vidensamspil med virksomheder uden vidensamspil én-til-én således, at virksomhed T og C har samme propensity score. Det giver i nogle analyser fx 518 virksomheder med vidensamspil med universiteter og højere uddannelsesinstitutioner og 518 virksomheder uden samspil, men statistisk sammenlignelige på de anførte parametre. I analyser af samspil med GTSinstitutter giver det fx 332 virksomhedspar, og i analyser med samspil med enten GTS-institutter og universiteter på samme tid giver det 545 virksomhedspar. Det afhænger både af hvor mange virksomheder, der har indgået i de forskellige typer samspil og af, hvor mange én-til-én kontrolvirksomheder, der kan findes i databasen. Difference-in-difference metoden bygger på en sammenligning af ændringer i output. I denne analyse er det ændringer i produktivitet per medarbejder for treatment virksomheder (T) sammenlignet med virksomheder i kontrolgruppen (C). Modellen i denne analyse ser derfor ud som følger: Hvor er effekten af samspil, som beregnes ud fra forskellen mellem udviklingen i produktivitet per medarbejder, kaldet Y, hos treatmentgruppen (T), defineret som produktivitet per medarbejder i tid 1 fratrukket produktivitet per medarbejder i tid 0 og udviklingen i produktivitet per medarbejder hos kontrolgruppen (C), defineret som produktivitet per medarbejder i tid 1 fratrukket produktivitet per medarbejder i tid 0. Hvorvidt der så er en signifikant forskel mellem de to testes efterfølgende via standard t-tests. 17

18 18

19 ENGLISH SUMMARY > The impact on company growth of collaboration with research institutions An analysis from 2010 showed that average productivity is 15 percent higher among Danish R&D performing firms that cooperate with universities and public research institutions than for R&D-performing firms that do not engage in such cooperation. However, there are only a few quantitative econometric studies globally concerning the value of collaboration with universities and research institutions measured by growth in productivity. To the best of our knowledge, no analyses have been made so far that provide evidence of the causal relationship between firm productivity and collaboration with research institutions. The purpose of this analysis is to provide knowledge about this relationship. Moreover, the purpose is to analyze whether and, if so, how and under what circumstances collaboration with research institutions has a positive effect on firm productivity. The analysis tests whether that interaction between companies and universities and research institutions can have positive effects on productivity for companies. The analysis is based on Danish research and innovation statistics and company information on economic performance and development from The analysis has three steps: Causal effect on enterprise labour productivity of collaboration with universities and research institutions. We test if collaboration with research institutions results in subsequently higher labour productivity growth for 545 companies having this collaboration compared to a matching sample of 545 companies with the same likelihood of having this collaboration. The result is based on data covering giving the opportunity to analyze the effect as long as nine years after the initial collaboration. The analysis shows that the enterprises having this kind of collaboration have a significantly higher growth in labour productivity in each of the years after the collaboration. After five years the effect on labour productivity growth is no longer significant. Enterprise specific gains. This part of the analysis is based on regression analysis which calculates the effects for average companies based on a sample of 547 companies compared with 871 companies without collaboration. This part makes the assumption of causality since this has been proven in the first part of the analysis. The analysis finds an increased annual value added per employee of 9 pct. corresponding to 6,560 per employee or 1.2 mio per average company. Calculations show that the enterprise specific economic effects would equal an annual value added of 2.9 billion, if all Danish R&D-performing enterprises engaged in such collaboration and obtained the same average effect as enterprises in the analysis. 19

20 Factors boosting the effect of collaboration: Based on the analysis and the data from part 2, we analyze the determinants of enterprise collaborate with universities and research institutions. Furthermore, we identify enterprise-specific characteristics which have a positive impact on the effect of collaboration. The results show that enterprise size, R&D capacity in terms of R&D personnel, general education level and a R&D department has positive impact on the probability of collaboration. Furthermore, the analysis shows that enterprises within high tech manufacturing and knowledge intensive business services are more likely to have collaboration with universities and research institutions. The analysis shows that the same factors determining collaboration have positive impact on the effect of collaboration. Furthermore, we find significant higher labour productivity for enterprises with exports. However, R&D-performing enterprises without these characteristics obtain a significant effect of collaboration as well. The analysis underlines that collaboration with universities and research institutions can be a driver for improved labour productivity and growth. Collaboration between private companies and research institutions Companies get access to the latest knowledge and technology through collaboration with universities and public research institutions. It is also largely through interaction with private R&D that a direct economic impact is realized from investments in public research. There is a range of potential benefits from collaboration on research, development and innovation between companies and research institutions. On a theoretical basis companies can gain from collaboration in many different ways: An overall better ability to absorb and translate new knowledge and technology. Faster and easier access to knowledge and technology. Economies of scale, which is especially likely to be the case among research-intensive companies. Cost minimization in research and innovation projects. Reducing the financial risks associated with long-term research investments. Access to a wider knowledge and understanding of the latest international research trends and research results Strengthening the skills and knowledge through collaboration with researchers Strategic outsourcing of research to public research institutions to better concentrate on its core research activities Collaboration among companies and research institutions can take many forms. Some can be formal, others informal. Some types of collaboration consist of research and development projects that are mutually binding to the contracting parties. Some companies engage repeatedly in this type of collaboration, while others engage in such collaboration more rarely. In addition, many collaborations have a character of 20

21 mere acquisitions or exchanges of knowledge rather than actual, joint R&D projects. The types of collaboration considered in this analysis are listed in the table below. Table 1 Types of collaboration and types of research institutions Danish university Research and technology organisations (GTS 3 ) Joint research and development projects - Isolated - Repeated Purchase of external R&D Joint research and development projects - Isolated - Repeated Purchase of external R&D An analysis of the causality shows that collaboration increases productivity over time The analysis finds a positive and significant effect on firm productivity from engaging in collaboration with a research institution. The effect is greatest in the first two years subsequent to an instance of collaboration, as indicated by a significantly higher value added growth per employee compared to firms who have not engaged in collaboration but have the same probability of engaging in this kind of collaboration. The positive productivity effect is noticeable until five years after the first instance of collaboration. After five years, other companies catch up on labour productivity growth. See chart below. Chart 1 Percent ,18 Causal effect on increase in productivity of collaboration with universities and research institutions 0 9, ,18 2,51 3,68 12,92 8,29 10,38 9,79 11,13 17,77 17,65 14,65 13,36 Sign. 10% Sign. 5% Treatment Control Years after initial collaboration 3 GTS is a group of 9 private research institutions with public funding aimed at building up and disseminating knowledge to companies. 21

22 The analysis has been made separately for different kinds of institutions. The analysis shows that the positive and significant relationship between firm productivity and collaboration with research institutions holds for both universities and non-academic research institutions 6 independently. The analysis also investigated the impact of different types of collaboration between firms and research institutions. The purchase of research results (i.e. technology or knowledge transfer) had no significant effect on productivity. However, joint research and development projects had a positive impact for this kind of projects with both universities and research institutions. This finding goes for companies that collaborate with universities and research institutions repeatedly as well as companies that collaborate only once. Companies gain from collaboration with universities and research institutions A key aim of the analysis is to estimate the specific impact of research and innovation interaction on corporate value added per employee. The analysis finds an average annual added value of engaging in knowledge interaction with public knowledge institutions of 1.2 million per company or 6,560 per employee, representing an increase in productivity by 9 percent. The chart below shows that there is an increasing effect the first three years after the initial collaboration and that the effect decreases afterwards. Chart 2 Annual increase in value added pr. employee in Euro Year 1 Year 2 Year 3 Year 4 Year 5 Year 6 Year 7 Year 8 Year9 Effect measured in euros For the 547 companies in the analysis having collaboration with universities or research institutions, this corresponds to an added value of just over 5.7 billion over a 9-year period for each enterprise. The largest enterprise specific gain is found in the manufacturing industry. For companies in knowledge services, other services and trade and transport, the effect is less clear. Both small and large companies are experiencing gains. However, large companies with more than 250 employees experience the greatest returns. These results are significant. 22

23 Chart 3 Effect on productivity per employee of collaboration with public research institutions for different sectors in Euro Year 1 Year 2 Year 3 Year 4 High-tech manufacturing 12439*** 7893 *** 9088*** 7791*** Low- and medium tech manufacturing Knowledge intensive business services 9776*** 10745*** 12193*** 8122*** ** 8957*** 3288 Others 9254** 10509** * Companies with more than 250 employees Companies with less than 250 employees 13030*** 13986*** 11016** 8879** 5321*** 6559*** 8172*** 4404*** Significance: *: p > 0,9; **: p > 0,95; *** p > = 0,99 Calculations show that the company specific economic effects would equal an annual value added of 2.9 billion, if all Danish R&D-active companies engaged in such collaboration and obtained the same average effect as firms in the analysis. However, this result should be interpreted with caution. The analysis is based on a strict matching procedure and is calculated on the average effects for average firms. The effect is calculated only for companies having R&D. The analysis is based on various productivity functions to be implemented through OLS regressions. The functions are built on the classic Cobb-Douglas productivity function under the assumption of constant returns to scale for the exponents. Factors affecting the efficacy of knowledge interaction Earlier studies have shown that characteristics of companies have considerable impact on the extent to which companies engage in collaboration with research institutions. For example, companies within knowledge intensive business services, high tech manufacturing, and large companies in general are most likely to engage in knowledge collaboration with research institutions. Other factors that have a positive impact on enterprise s collaboration activities are employees with university background, with own R&D department and researchers employed have a larger probability of having collaboration with universities and research institutions. These findings correspond to findings in international literature. 23

24 Chart 4 Factors determining collaboration with universities and research institutions -3,0-2,0-1,0 0,0 1,0 2,0 3,0 4,0 5,0 Own R&D department Tertiary employee Research employee Basic R&D R&D intensity 2,4 2,6 2,3 2,4 3,6 3,6 3,8 4,2 4, employees +250 ansatte 0,1 0,2 4,4 5 Bougth R&D R&D collaboration Export 0,3 0,2 Low tech industri High tech industri Trade KIBS ,2 0,4 0,3 2,3 4,4 4,4 Furthermore, the analysis looks at factors that increase the effects of collaboration. The results of the analysis show that firms with internal R&D, employees with university education and researchers, achieve an even higher effect of collaboration with universities and public research institutions. Furthermore, exports also help increasing the impact. See table below. Chart 5 Increased effects of collaboration depending of company specific factors in Euro Factors that increase effects of collaboration Collaboration with universities and research institutions Effect measured in value added pr. employee 6603 Collaboration with universities and research institutions X Own research department 6970 Collaboration with universities and research institutions X Export 7433 Collaboration with universities and research institutions X Highly educated employees 8533 Collaboration with universities and research institutions X research worker

25 Methodology overview This analysis is conducted on panel data covering a total of more than 17,000 unique Danish enterprises and their productivity levels and R&D collaborations over the period The analysis is based on three samples: Danish research and development statistics from The annual sample varies from covering a total of unique companies. Danish corporate data on company performance from The annual sample varies from covering a total of Danish educational statistics data on employee educational levels from The annual and total samples correspond to the Danish corporate data. For the analysis of causal relationships, we have established a control group using propensity score matching. The treatment group consists of 547 companies while the matching group consists of 547 companies. The treatment group had collaboration with universities or research institution once in the time period covered by the analysis. The matching group is determined by having the same probability of having this kind of collaboration given a variety of factors (education level, R&D department, R&D personnel, sector, size etc.), but ending up with no collaboration in the analyzed period. Each match is based on the nearest-neighbor principle comparing the two most equal companies. Subsequently, development in value added per employee is compared over time among the treatment group and the control group. For the analysis of effects we make an assumption of causality. This is based on the preliminary analysis. The analysis is made by using OLS regression for each of the years in the data period. This analysis is made for 1,418 companies in the data set. The analysis is based on data covering the period

26 26

27 1. EFFEKTEN AF ERHVERVSLIVETS SAMARBEJDE OM FORSKNING OG UDVIKLING MED OFFENTLIGE VIDENINSTITUTIONER > 1.1 Introduktion til effektmåling Forsknings- og Innovationsstyrelsen har i tæt samarbejde med DAMVAD og med bidrag fra forskere ved Copenhagen Business School udarbejdet den første større danske analyse af de privatøkonomiske og samfundsøkonomiske effekter af virksomheders vidensamspil om forskning og udvikling med videninstitutioner såsom forskningsinstitutioner, teknologiske serviceinstitutter, universiteter, højere uddannelsesinstitutioner eller sektorforskningsinstitutioner. Samtidig er analysen den hidtil mest omfattende af sin art i Europa, idet analysen bygger på samtlige danske virksomheder, hvor der er tilgængelige nationale data og observationer vedrørende samarbejde med videninstitutioner, erhvervslivets investeringer i forskning og udvikling, regnskabsstatistik mv. Det drejer sig om op til forskellige virksomheder i Danmark i perioden fra Erhvervslivets forsknings- og udviklingsstatistik (stikprøvedata), regnskabsstatistikken (registerdata) og uddannelsesstatistikken (registerdata). Dataene fra de nationale statistikker er endvidere kombineret med en database, der bygger på de fleste nationale og internationale samarbejdsprojekter mellem danske virksomheder og offentlige videninstitutioner, herunder projekter igangsat af Rådet for Teknologi og Innovation, EU s 3. til 7. rammeprogram, EUDP, Program for Brugerdreven Innovation, Højteknologifonden, Det Strategiske Forskningsråd, Fødevareinnovation (Innovationsloven og GUDP) mv. Analysen er således i en international sammenhæng unik, idet kun de nordiske lande har centrale nationale statistikker med historiske tidsserier i et sådant omfang, at det kan danne grundlag for en effektmåling af erhvervslivets samarbejde med den offentlige forskning. Forsknings- og Innovationsstyrelsen udsendte i 2010 analysen Produktivitetseffekter af erhvervslivets forskning, udvikling og innovation i serien Innovation: Analyse og evaluering 1/2010. Analysen i denne rapport supplerer 2010-analysen med en dybtgående analyse af økonomiske effekter af samarbejde om erhvervslivets forskning og udvikling. Analysen baserer sig på de nyeste økonometriske og statistiske forskningsmetoder. Med det omfattende statistiske materiale kan der for første gang foretages grundige effektmålinger af erhvervslivets samarbejde med videninstitutioner på produktivitet per medarbejder og værditilvækst i virksomhederne. De statistiske metoder indebærer blandt andet, at effekterne findes ved sammenligning af virksomheder, der har samarbejde med videninstitutioner, med tilsvarende forsknings- og udviklingsaktive virksomheder, der ikke har samarbejdet med videninstitutioner. Vi kan med denne analyse sandsynliggøre, at virksomhedernes vidensamspil med videninstitutioner giver signifikant positive effekter på produktivitet per medarbejder i sammenligning med tilsvarende forsknings- og udviklingsaktive virksomheder uden samspil. Desuden dokumenteres, at virksomheder, der både har samspil med universiteter og teknologiske serviceinstitutter, kan give virksomhederne endnu højere produktivitet per medarbejder af deres investeringer i forskning og udvikling. Endelig sandsynliggøres den kausale sammenhæng, at forsknings- og udviklingsaktive virksomheder, der indgår i vidensamspil, efterfølgende opnår højere produktivitet per medarbejder, og ikke omvendt, at det er de virksomheder, der 27

28 har en højere produktivitet per medarbejder, der samarbejder med offentlige videninstitutioner. I analyser fra 2010 og 2011 har det desuden været dokumenteret, at visse aktiviteter kan give virksomhederne signifikant flere patenter, øget lønninger og øget beskæftigelse. 4 Ud over de økonomiske effekter af vidensamspil om forskning og udvikling mellem virksomheder og offentlige videninstitutioner findes der en lang række andre effekter, som er dokumenteret i andre analyser. 5 Det drejer sig blandt andet om følgende: Vidensamspil betyder, at virksomhederne gør nye opfindelser, som bygger på forskningsresultater, når de udvikler nye produkter, teknologier og services. Den viden, der produceres blandt videninstitutioner, er dermed potentielt med til løfte innovation og fornyelse i virksomhederne. Vidensamspil kan bidrage til at højne kvaliteten og relevansen af den offentlige forskning og til at styrke uddannelserne, fordi vidensamspil gør det muligt at kombinere teori og praksis. 1.2 Hvad er vidensamspil med offentlige videninstitutioner? Virksomheder kan indgå i samarbejde med mange forskellige parter. I denne analyse er fokus på virksomheders vidensamspil med offentlige videninstitutioner om forskning og udvikling. Der vil fx typisk være tale om samarbejde med universiteter, som også udfører pct. af den offentlige forskning. Der kan også være tale om samarbejde med de tidligere sektorforskningsinstitutioner, universiteter, højere uddannelsesinstitutioner, GTS-institutter eller forskningsinstitutioner. Universiteter og andre højere uddannelsesinstitutioner: Universiteter dækker selvsagt universiteter, mens højere læreranstalter dækker uddannelsesinstitutioner, der tilbyder uddannelser normeret op til fem til seks års varighed. Betegnelsen omfatter foruden de almene universiteter i København, Århus, Odense og Ålborg, Roskilde Universitet, specialiserede institutioner som Danmarks Tekniske Universitet, handelshøjskolerne, Kunstakademiets skoler, konservatorierne, arkitektskolerne, Det Informationsvidenskabelige Akademi (Danmarks Biblioteksskole), Danmarks Pædagogiske Universitetsskole o.a. Godkendte Teknologiske Serviceinstitutterne (GTS) er almennyttige institutioner. De indsamler, opbygger og udvikler teknologiske kompetencer og formidler denne viden til dansk erhvervsliv. De er samtidig brobyggere til videninstitutioner i ind- og udland. Der eksisterer i dag ni GTS-insitutter. Sektorforskningsinstitutioner er institutioner, der udfører forsknings- udviklings-, udrednings- og rådgivningsopgaver til anvendelse inden for et specifikt område. Pr. 1. januar 2007 fusionerede hovedparten af sektorforskningsinstitutionerne med universiteterne. Andre offentlige og ikke-kommercielle forskningsinstitutioner kan være små sygehuse, museer, biblioteker, arkiver, Arbejdstilsynet, Danmarks Statistik og AKF. 4 1) Analysis of the Industrial PhD Programme, Forsknings- og Innovationsstyrelsen, Innovation: Analyse og evaluering 01/ ) The Innovation Consortium Scheme an analysis of Firm Growth Effects, Forsknings- og Innovationsstyrelsen, Innovation: Analyse og evaluering 03/ Se oversigten over artikler og analyser i den internationale litteratur. 28

29 I denne analyse forstås virksomheders vidensamspil med offentlige videninstitutioner om forskning og udvikling som et aktivt forsknings- og udviklingssamarbejde mellem en virksomhed og en videninstitution med henblik på at udvikle ny viden og/eller nye produkter, processer og services. Der kan være tale om formelle samarbejdsaftaler, samarbejdsprojekter, samarbejdsnetværk, samarbejdskontrakter og køb af forskning og udvikling. Formelle vidensamspil kan ske i f.eks. et innovationsnetværk, via teknologiplatforme, aftagerpaneler eller i bestyrelser på universiteter og GTS-institutter mv. Det kan også ske gennem forpligtende forsknings- og udviklingsprojekter, hvor parterne forpligter hinanden gennem kontrakter eller aftaler til at samarbejde omkring et forsknings- og udviklingsprojekt. Sådanne forpligtende projekter kan enten være enkeltstående eller være tilbagevendende. Det dækker f.eks. projekter, som modtager national eller international finansiering under Rådet for Teknologi og Innovation, Det Strategiske Forskningsråd, Højteknologifonden eller EU s rammeprogrammer. Køb af forskning, rådgivning og teknologisk service er en tredje form for formelt samarbejde. Figur 1.1 Definition af vidensamspil VIDENSAMSPIL Købt FoU Udgifter til forsknings- og udviklingsarbejde, der er udført af andre. Udgifterne fordeles på de virksomheder eller institutioner, som FoU-arbejdet er købt af. I definitionen af købt forskning og udvikling medtages ikke formelt forskning- og udviklingsarbejde Formelt forsknings- og udviklingsarbejde: Forsknings- og udviklingsamarbejde omfatter virksomhedens aktive deltagelse i fælles projekter vedr. forskning og udvikling med andre virksomheder og institutioner. Samarbejder behøver ikke at give umiddelbare kommercielle fordele. Ren udlicitering af forsknings- og udviklingsaktiviteter, hvor der ikke er noget aktivt samarbejde, skal ikke medregnes. Note: Definitionerne på købt FoU og formelt forsknings- og udviklingssamarbejde følger de definitioner, som Danmarks Statistik bruger i Erhvervslivets forsknings- og udviklingsstatistik. 29

30 Andre eksempler på formelle forsknings- og udviklingssamarbejder mellem virksomheder og videninstitutioner kan være mobilitet af forskere mellem videninstitutioner og virksomheder, erhvervsphd, og virksomhedspraktik for studerende på videninstitutioner, aftaler om fordeling af licensrettigheder, patenter og rettigheder til produkter, løsninger eller serviceydelser. Figur 1.2 viser en kort opgørelse over andelen af virksomheder, som i 2007 har indgået forsknings- og udviklingssamarbejde med offentlige videninstitutioner, købt forskning og udvikling og generelt set været forsknings- og udviklingsaktive. Forsknings- og udviklingsaktivitet måles ved, om en virksomhed har udgifter til forskning og udvikling i I 2007 forskede og udviklede 10,5 procent af alle virksomheder. Samlet set har 3,7 procent af alle virksomheder indgået i et samarbejde om forskning og udvikling med enten et universitet eller et GTS-institut. Herudover har 1 procent af virksomhederne købt forskning og udvikling direkte hos offentlige videninstitutioner. Figur 1.2 Andelen af forsknings- og udviklingsaktive virksomheder i ,0 % 10,0 % Andel af alle virksomheder 8,0 % 6,0 % 4,0 % 2,0 % 0,0 % FoU-samarbejde Købt FoU FoU-aktive Kilde: Særkørsel på data fra Erhvervslivets Forsknings- og udviklingsstatistik 2007, Danmarks Statistik. 1.3 Hvorfor har virksomheder samarbejde med videninstitutioner? Rammebetingelserne for vækst, produktivitet og innovation er under konstant forandring. Hele tiden opstår nye udfordringer og muligheder. Efterspørgslen efter varer og tjenester, kvalitetskrav til nye produkter og produktionsprocesser ændres hele tiden. Det skyldes ny national eller europæisk lovgivning, den stadig stærkere internationale konkurrence og accelererende globalisering, mere kvalitetsbevidste og krævende kunder samt fremkomsten af ny viden, nye teknologier og forskning. 30

31 Nogle virksomheder har forsknings- udviklingsafdelinger og arbejder strategisk med forskning, udvikling af nye teknologier og innovation. Virksomhederne ved, at gode samarbejdspartnere og markedsadgang er vigtigt for virksomhedens konkurrenceevne. De ved også, at adgang til ny viden, nyeste forskningsresultater og moderne teknologi bliver vigtigere og vigtigere for innovation og produktudvikling. Endelig ved virksomhederne, at adgang til kvalificeret arbejdskraft og risikovillig kapital nødvendig for vækst og overskud. Mange virksomheder er gode til at løse de udfordringer og udnytte de nye teknologiske og forskningsmæssige muligheder, som opstår. Næsten ingen virksomhed har dog al den viden, som er nødvendig for selv at kunne skabe nye produkter, nye produktionsprocesser eller løse de mange nye udfordringer for virksomheden. Ofte findes løsningen på et problem eller helt ny viden derfor med hjælp fra samarbejde med offentlig videninstitutioner eller andre eksterne samarbejdspartnere såsom leverandører og kunder. De accelererende internationale investeringer i forskning og nye teknologier betyder, at der uden for virksomhederne konstant skabes ny og relevant viden, som kan bidrage til innovation, bedre konkurrenceevne og vækst. For at få adgang til nyeste viden og teknologi skal en virksomhed vide, hvor den findes, og hvordan den kan få absorberet denne viden i virksomheden. Det sker ved, at virksomhedens indgår i netværk, projekter, partnerskaber eller konsortier med blandt andet leverandører, kunder, samarbejdspartnere, universiteter, forskningsinstitutioner, teknologiske institutter og offentlige myndigheder. I et samarbejdsprojekt deler deltagerne både viden og risici ved projektet. Virksomhederne kan gennem samarbejde, som fx klynger, konsortier, partnerskaber og netværk, reducere deres omkostninger til forskning og udvikling. De deler også risici med de øvrige parter. Det giver mulighed for at igangsætte flere innovationsprojekter. Virksomhederne får også øget deres viden. Endelig får virksomhederne gennem projekter, netværk, konsortier og partnerskaber med udenlandske partnere adgang til nye markeder. Det er vigtigt ikke mindst for de små og mellemstore virksomheder at have adgang til nationalt eller internationalt førende virksomheder og forsknings- og teknologiudviklingsmiljøer. Men de færreste virksomheder har erfaring med selv at skabe eller at deltage i samarbejde om forskning og innovation. For nogle er det heller ikke relevant. For andre kan være en udfordring at komme i gang med at finde samarbejdspartnere, forskere eller ny viden. De er afhængige af større virksomheder, virksomhedsrådgivere eller offentlige forsknings- og teknologiudviklingsinstitutioner. Jo færre ressourcer til egen udvikling eller til internationalt samarbejde desto vanskeligere får virksomheden ved at skaffe og udbygge et nødvendigt vidensniveau. Dermed taber virksomheden konkurrenceevne. 31

32 1.4 Hvad er virksomhedernes motiver for vidensamspil Investeringer i forskning og udvikling kan foretages internt i virksomhederne eller i samarbejde med andre virksomheder eller videninstitutioner. For virksomhederne er det ikke altid optimalt selv at besidde de kompetencer, der er nødvendige for at forske og udvikle. Det kan være nemmere, hurtigere, mindre omkostningstungt og mere effektivt at skaffe adgang til ny viden eller idéer via et samarbejde med andre aktører. Et vidensamspil kan øge den forskningsrelaterede basiskompetence i virksomheden, så den også fremover bedre kan forstå, udvikle og implementere ny viden. Vidensamspil kan også sikre en større spredning af økonomiske omkostninger og dermed mindske de økonomiske risici og de økonomiske barrierer, der er forbundet med at deltage i forskning og udvikling. Rationelle virksomheder må forventes at indgå i et vidensamspil, når der er økonomiske fordele forbundet hermed, hvad enten disse økonomiske fordele findes på kort eller lang sigt. Forskellige analyser peger på, at virksomhederne får et højere afkast af vidensamspil, end hvis de selv udførte forskningsarbejdet 6 Hovedformålet med denne rapport er at dokumentere effekterne af vidensamspil for danske virksomheder i perioden Effekterne opnår virksomhederne gennem hurtigere og nemmere adgang til ny viden og teknologi 7 herunder også stordriftsfordele ved komplicerede og krævende forskningsprojekter, hvilket især kan være centralt for meget omkostningstunge forskningsprojekter. Følgende motiver nævnes oftest som årsag til at indgå i vidensamspil: En generel bedre evne til at absorbere og omsætte ny viden og teknologi Hurtigere og lettere adgang til viden og teknologi Stordriftsfordele, hvilket især må forventes at være tilfældet blandt forskningstunge virksomheder Omkostningsminimering ved forsknings- og innovationsprojekter Reducering af de økonomiske risici, der er forbundet med langsigtede forskningsinvesteringer Adgang til en mere bredspektret viden og viden om de nyeste internationale forksningstendenser og resultater Styrkelse af medarbejdernes kompetencer og viden gennem samarbejde med forskere og videnpersoner Strategisk outsoutcing af forskningsopgaver til offentlige videninstitutioner for bedre at kunne koncentrere sig om sin kerneforskning Øget værditilvækst, øget vækst i produktiviteten per medarbejder, øget eksport og øget beskæftigelse Virksomheder kan have forskellige motiver for at vælge at købe forskning og udvikling ydelser frem for at indgå i et forsknings- og udviklingssamarbejde. 6 Se Cassiman og Veugelers (1998), D Aspremont og Jacquemin (1988) samt Vinding (2002) for nationale og internationale analyser. 7 Se Robertson og Gatingnon (1998), Hagedoorn (1993), D Aspremont og Jacquemin (1988), Bayona (2001) samt Polt m.fl. (2001) 32

33 Nogle virksomheder ønsker at holde på deres egen viden og ikke dele ud til af denne til samarbejdspartnere. Valget mellem køb og samarbejde kan også afhænge af, om virksomheden har en absorptionskapacitet, som gør den i stand til at få et udbytte af vidensamspil. 1.5 Hvilke virksomheder samarbejder med videninstitutioner? Det er både små og store virksomheder, som samarbejder med universiteter og GTS-institutter. Der samarbejdes om forskning, udvikling og innovation. Samtidig findes samarbejdet inden for alle teknologiområder og alle typer virksomheder har samarbejde. Denne analyse viser, at der er visse typer virksomheder, som har de naturligste forudsætninger for forsknings- og udviklingssamarbejde med universiteter og GTS-institutter. Det er: Virksomheder med højtuddannede ansat eller med egen udviklingsafdeling. Store virksomheder i Danmark deltager i meget høj grad i forsknings- og udviklingssamarbejde med universiteter, GTS-institutter eller forskningsinstitutioner. Især højteknologiske fremstillingsvirksomheder og videnservice virksomheder samarbejder. Til gengæld er det ikke naturligt for den almindelige lille virksomhed, mellem eller lavteknologiske fremstillingsvirksomheder eller manuel servicevirksomheder at deltage i forsknings- og udviklingssamarbejder med videninstitutioner. Boks 1 og 2 viser to forskellige eksempler på samarbejdsprojekter. Det ene handler om en større forsknings- og udviklingsaktiv virksomhed. Det andet handler om en lille ikke forsknings- og udviklingsaktiv virksomhed. Boks 1.1 Eksempel med lille ikke-forsknings- og udviklingsaktiv virksomhed Agowa er en lille ikke forsknings- og udviklingsaktiv fremstillingsvirksomhed, som har haft et udviklingssamarbejde med et teknologisk institut. Agowa producerer olielamper. I 2008 oplevede Agowa, at markedet for dens produkter forsvandt. Regler fra EU om lampeolier og den økonomiske krise gjorde, at virksomheden mistede alle sine kunder og sin omsætning. Virksomheden havde ingen udviklingsafdeling, og banken ville ikke udvide kassekreditten. Gennem sine netværks-kontakter kom virksomheden i kontakt med Teknologisk Institut, som via sit internationale kontaktnet fandt en hollandsk international koncern, som havde kokosolie som affaldsprodukt. Denne olie opfyldte EU s regler om, at lampeolie skulle kunne spises, så det ikke er til skade for børn i hjemmet. Gennem analyser af olien blev det fastslået, at olien var næsten CO2-neutral. Nu kunne Agowa igen sælge sine olielamper, men nu med en CO2-neutral olie, der ikke var til fare for børn i hjemmet. Et nyt klimavenligt livsstilsprodukt var skabt. Samtidig kunne man sælge sine olielamper i udviklingslande, fx hvor den hollandske partner havde fabrikker. Hermed fik den adgang til helt nye markeder, reduceret omkostning og har nu en høj vækst og eksport. Udviklingen af idéen på det teknologiske institut blev af virksomheden betalt med en videnkupon på kr. fra det danske Videnskabsministerium, og der blev taget patent på lampeolien. Læren af historien er, at en virksomhed skal søge hjælp udefra fx i sin klynge eller netværk, før det er for sent. 33

34 Statistikkerne, som benyttes i analysen, indeholder dels alle de danske virksomheder, der har forskning og udvikling, og dels alle de offentlige videninstitutioner, der har samarbejde med virksomheder. Boks 1.2 Eksempel med større forsknings- og udviklingsaktiv virksomhed Widex er en forsknings- og udviklingsaktiv, højteknologisk virksomhed, som har haft forskningssamarbejde med både universiteter og teknologiske institutter. Widex producerer høreapparater. Den er en af verdens førende producenter og sælger apparater i knap 100 lande. Sådan har det ikke altid været. Via virksomhedens netværk kom den i perioden med i et stort forsknings- og innovationsprojekt i samarbejde med andre virksomheder, universiteter og teknologiske institutter. Projektet har via kombination af brugerbehov, ny forskning og nye nanoteknologier skabt en ny slags høreapparater, der er bedre beskyttet mod korrosion og derfor ikke skal repareres så ofte. Det har betydet, at Widex i dag har fået en langt bedre position på markedet, fordi elektronikken i virksomhedens høreapparater ikke skal så ofte til service. Og kunderne skal ikke længere undvære sit høreapparat så ofte. Den nye teknologi er nu solgt som standard i over 2 millioner høreapparater. 1.6 Hvilke spørgsmål undersøges, og hvorledes dokumenteres effekterne? Analyserne i denne rapport sandsynliggør, at forskellige typer af forsknings- og udviklingssamarbejder med blandt andet universiteter eller GTS-institutter medfører signifikante effekter for virksomhedernes vækst allerede efter et års samarbejde, og effekterne varer fire til seks år. De positive effekter varer flere år desto flere samarbejdspartnere, en virksomhed har. Forsknings- og Innovationsstyrelsens effektmålinger af innovationskonsortier fra 2008, 2009 og har desuden vist, at forsknings- og udviklingssamarbejder mellem virksomheder og universiteter og GTS-institutter blandt andet bidrager til, at virksomhederne forsker mere på længere sig og sætter mere fokus på innovation i fremtiden. Næsten halvdelen af alle de virksomheder, der deltager aktivt i forskningsog udviklingsprojekter i samarbejde med GTS-institutter og universiteter fortsætter med nye forsknings- eller innovationsprojekter. Desuden innoverer hver fjerde deres forretningsstrategier. 50 procent får en bedre udnyttelse af deres egne teknologier og finder nye anvendelsesmuligheder for den teknologi, de kender i forvejen. Det er nu statistisk muligt at kunne sandsynliggøre de privatøkonomiske og de samfundsøkonomiske effekter af samarbejdsprojekter og køb af forskning og 8 1) The Innovation Consortium Scheme an analysis of Firm Growth Effects, Forsknings- og Innovations styrelsen, Innovation: Analyse og evaluering 03/2010 2) Analyse af forsknings- og udviklingssamarbejde mellem virksomheder og videninstitutioner, Forsknings- og Innovationsstyrelsen, Innovation: Analyse og evaluering 03/2009 3) Effektmåling af forsknings- og innovationssamarbejder fokus på innovationskonsortier, Forskningsog Innovationsstyrelsen, Innovation: Analyse og evaluering

35 udvikling. Det sker ved at sammenligne vækst og produktivitet per medarbejder for forsknings- og udviklingsaktive virksomheder i vidensamspil med offentlige videninstitutioner med tilsvarende virksomheder uden samspil. I de nordiske lande findes centrale registre for virksomhederne. Gennem obligatoriske indberetninger for alle virksomheder har de nordiske lande unikke databaser med tidsserier og oplysninger om næsten alt i virksomheden. På tilsvarende vis findes der i de nordiske lande centrale registre med personoplysninger. Det er fx i Danmark muligt gennem de offentlige registre at følge en person fra fødsel til død med alle oplysninger lige fra uddannelse, familieforhold, ansættelsesforhold osv. Da der ikke findes mange danske eller internationale empiriske studier af effekterne af virksomheders investeringer i forskning, udvikling og innovation, satte Videnskabsministeriet allerede i 2006 fokus på området. Videnskabsministeriet har siden da igangsat en lang række forskningsprojekter i samarbejde med blandt andet Århus Universitet og Copenhagen Business School, for at få afdækket en række spørgsmål om forskning, udvikling og innovation gennem de nyeste forskningsmetoder og tilgængelige statistikker på området. Fokuset omfatter blandt andet: 1. Hvad betyder forsknings- og innovationssamarbejde med universiteter og GTS-institutter for virksomhedernes vækst, beskæftigelse, patenteringsaktivite ter og produktivitet per medarbejder? 2 Betyder antallet af samarbejdspartnere noget? 3 Hvilke faktorer er afgørende for om virksomhederne deltager i forsknings- og udviklingssamarbejde? 4 Hvilke typer virksomheder har størst gavn af samarbejde? 5 Hvilken type samarbejde er afgørende for effekterne? 6 Hvad er den kausale sammenhæng? Er det de virksomheder, som har højest værditilvækst, der samarbejder med videninstitutionerne, eller øges værditil væksten som følge af implementering af samarbejde? Det har resulteret i en række analyser og effektmålinger af konkrete innovationspolitiske virkemidler, men også generelle effektmålinger af danske virksomheders investeringer i forskning og udvikling og denne rapport, som ser på effekterne af vidensamspil med offentlige videninstitutioner. I alle forskningsprojekterne har der været stort fokus på at udvikle metoder. Samtidig er der i samme periode arbejdet på at gøre forsknings-, udviklings- og innovationsstatistikkerne bedre. Derfor har effektmålingerne løbende kunnet opdateres, og det har været muligt at undersøge endnu flere spørgsmål end tidligere. De hidtidige resultater svarer godt til øvrige internationale analyser på området. Men hvor de største amerikanske analyser fx har 600 virksomheder med, så bygger de nye danske analyser på unikke virksomheder. De enkelte delanalyser i denne rapport har varierende virksomhedspopulationer på op til virksomheder, der er fundet på basis af statistiske metoder fra de knap unikke virksomheder. Adgangen til registerdata i Danmark gør det muligt at lave nye analyser og undersøge flere forskellige spørgsmål end i tilsvarende udenlandske analyser. 35

36 36

37 2. RAPPORTENS ANALYSER AF VIDENSAMSPIL OM FORSKNING OG UDVIKLING > Der er hidtil ikke gennemført nogen generelle analyser i Danmark og kun ganske få internationalt, der analyserer og dokumenterer, om vidensamspil med offentlige videninstitutioner styrker værditilvæksten i virksomheder. Eller om det omvendt er en stigende værditilvækst, der er med til at skabe rum og frihedsgrader til, at virksomheder indgår i et vidensamspil. Der er til gengæld gennemført specifikke effektmålinger af innovationsordninger om erhvervssamarbejde Analysernes formål Formålet med analyserne i denne rapport er: At tilvejebringe viden om, i hvilket omfang virksomheders vidensamspil med offentlige videninstitutioner om forskning og udvikling har effekt på virksomhedernes konkurrenceevne og produktivitet per medarbejder. At undersøge den kausale sammenhæng mellem virksomheders vidensamspil med offentlige videninstitutioner og væksten i produktivitet per medarbejder. At analysere hvilke faktorer, der påvirker effekterne af et vidensamspil. Til at belyse sammenhængen mellem virksomheders vidensamspil og deres produktivitet per medarbejder gennemføres følgende delanalyser: Delanalyse 1: Analyse af den kausale sammenhæng mellem virksomhedernes vidensamspil med offentlige videninstitutioner og virksomhedernes produktivitet per medarbejder. Udgangspunktet er opstilling af en solid kontrolgruppe gennem propensity score matching. Herefter analyseres udviklingen i produktivitet per medarbejder over tid via difference in difference metoden Delanalyse 1 er beskrevet i kapitel 3. Delanalyse 2: Sandsynliggør den konkrete effekt af virksomhedernes vidensamspil med videninstitutionerne i kroner og øre. Desuden vil delanalysen undersøge eventuelle forskelle i effekt afhængig af forskellige typer af vidensamspil, og om der er nogle typer af virksomheder, der opnår en større effekt af vidensamspil end andre. Analyserne gennemføres ved hjælp af en klassisk Cobb Douglas produktivitetsfunktion. Delanalyse 2 er præsenteret i kapitel 4. Delanalyse 3: Analyserer hvilke faktorer, der påvirker effekterne af et vidensamspil, fx virksomhedernes absorptionskapacitet. Herunder sandsynliggøres det, hvilke faktorer, der er afgørende for, at en virksomhed har vidensamspil med en videninstitution. Analyserne gennemføres dels som en udvidelse af Cobb Douglas produktivitetsfunktionen fra delanalyse 2, men også via logistiske regressioner, der skal beskrive hvilke faktorer, der bestemmer om en virksomhed har vidensamspil. Delanalyse 3 er gennemgået i kapitel 6. 9 Se fx The Innovation Consortium Scheme an analysis of Firm Growth Effects, Forsknings- og Innovationsstyrelsen, Innovation: Analyse og evaluering 03/

38 Nedenstående figur 2.1 gives en oversigt over de tre forskellige delanalyser i denne rapport. De tre delanalyser skal ses hver for sig. Figur 2.1 Oversigt over delanalyserne i rapporten KAPITEL 3: Kausalitet? Er der en kausal sammenhæng mellem indgåelse af et vidensamspil og vækst i produktivitet? KAPITEL 4: Økonomisk effekt? Hvad er i kroner og øre effekten af virksomheders vidensamspil, når der tages højde for andre faktorer, der normalt påvirker virksomhedernes vækst? KAPITEL 6: Virksomhedskarakteristika og vidensamspil? Hvilke faktorer er afgørende for, om virksomheder har et vidensamspilmed offentlige videninstitutioner? 2.2 To nøgleindikatorer i analysen: Værditilvæksten og produktivitet per medarbejder I analyserne måles outputeffekterne af vidensamspil mellem virksomheder og offentlige videninstitutioner som forskel i virksomhedernes værditilvækst og produktiviteten per medarbejder i forhold til en kontrolgruppe af statistisk sammenlignelige virksomheder. I boksen overfor findes den anvendte definition af værditilvækst. Produktivitet per medarbejder eller arbejdsproduktiviteten defineres som værditilvæksten i virksomhederne divideret med antallet af medarbejderårsværk. 38

39 Boks 2.1. Definition af værditilvækst VÆRDITILVÆKST = Omsætning + arbejde udført for egen regning og opført under aktiver + andre driftsindtægter + Forøgelse/mindskelse af varelagreforbrug - Køb af vare til videresalg - Køb af råvare, hjælpematerieller, færdigvarer og emballage - Køb af energi - Køb af lønarbejde og underentrepriser - Udgifter til husleje - Udgifter til anskaffelse af småinventar/driftsmidler med kort levetid - Udgifter til vikarbureauer - Udgifter til langtidsleje og operationel leasing - Andre eksterne udgifter - Sekundære udgifter + 0,0079 * tilgodehavender i alt. Værditilvækst bygger på Danmarks Statistiks opgørelse og er defineret som virksomhedernes omsætning plus andre drift indtægter minus forbrug af varer og tjenester. Produktivitetsmålet per medarbejder (målt som værditilvækst divideret med antal årsværk) er et mål for, hvor effektivt arbejdskraften udnyttes til at genere værditilvækst. En stigning i produktiviteten per medarbejder betyder, at værditilvæksten er øget for et fastholdt antal årsværk. Anvendelsen af dette mål gør det muligt at anvende et tværgående mål, som har samme udtryk på tværs af forskellige brancher, sektorer og virksomhedsstørrelser over tid. Boks 2.2. Definition af produktivitet per medarbejder Produktivitet per medarbejder = Værditilvækst divideret med antal årsværk 39

40 40

41 3. DEN KAUSALE SAMMENHÆNG MELLEM VIDENSAMSPIL OG PRODUK- TIVITET PER MEDARBEJDER > Formålet med dette kapitel er at sandsynliggøre den kausale sammenhæng mellem samspil om forskning og udvikling og virksomhedernes produktivitet per medarbejder. Hermed vil delanalysen bidrage til at sige, om der opnås en egentlig mereffekt af vidensamspillet, eller om det er virksomheder, der i forvejen klarer sig godt, der indgår i vidensamspil. Delanalysens overordnede resultater er: Der er en statistisk signifikant effekt på virksomhedernes produktivitet per medarbejder af at indgå i vidensamspil. Der er en positiv kausal sammehæng mellem vidensamspil og produktivitet pr. medarbejder. Effekten er særligt stor de første to år efter etablering af vidensamspil, hvor virksomheder med vidensamspil oplever en markant højere vækst i produktivitet per medarbejder set i forhold til statistiske sammenlignelige virksomheder uden vidensamspil. Den positive effekt kan påvises til og med fem år efter etablering af vidensamspil. Der er en positiv effekt af at indgå i samarbejde med henholdsvis universiteter og GTS-institutter. Der er en kausal sammenhæng mellem samarbejde og vækst i produktivitet per medarbejder. Effekten af at indgå i vidensamspil med universiteter er mere længerevarende end GTS-institutter, hvor effekten til gengæld er stærkest umiddelbart efter vidensamspillet. Det har ikke været muligt at sandsynliggøre en signifikant effekt af at købe forskning og udvikling hos offentlige videninstitutioner. Der kan således ikke bekræftes en kausal sammenhæng mellem køb af forskning og udvikling og produktivitet pr. medarbejder. 3.1 Metoden og datagrundlag i kausalanalysen For at sikre en solid kausalanalyse gennemføres analysen på paneldata, hvor der etableres en kontrolgruppe med udgangspunkt i Propensity Score Matching Metoden. Det giver mulighed for at udregne sandsynligheden for, at hver enkelt virksomhed har et vidensamspil. Herefter kan virksomhederne grupperes efter, hvor stor deres sandsynlighed for et vidensamspil er. På den baggrund sammenlignes udviklingen i produktiviteten per medarbejder over en årrække blandt virksomheder med vidensamspil med virksomheder uden vidensamspil, men som på baggrund af andre relevante karakteristika har samme sandsynlighed for at have vidensamspil. Etablering af en kontrolgruppe giver mulighed for at sammenligne med andre virksomheder for at se, om de virksomheder, som indgår i et vidensamspil over tid, klarer sig bedre end lignende virksomheder uden vidensamspil. Der er imidlertid mange faktorer, der har betydning for, hvordan virksomhederne klarer sig over tid, og det er derfor vigtigt at isolere effekten af vidensamspillet. Dette gøres ved at have så mange forklarende faktorer som muligt med i etableringen af kontrolgruppen. Det er ikke muligt at finde en kontrolgruppe, som er fuldstændig ens i alle delvist uobserverbare faktorer. 41

42 Resultaterne i denne analyse bygger på en sammenligning med en kontrolgruppe baseret på metoden propensity score matching, som inden for de seneste år har opnået øget anvendelse og anerkendelse inden for økonometrien. Ideen bag metoden går kort skitseret ud på at finde sandsynligheden (propensity scoren) for, at en forsknings- og udviklingsaktiv virksomhed ville have etableret et vidensamspil med videninstitution givet forskellige observerbare faktorer som bl.a. internationalisering, forsknings- og udviklingskapacitet, virksomhedsstørrelse, uddannelse, eksport, branche, udgifter til forskning og udvikling og finansieringstilskud til forskning og udvikling. Herved dannes en kontrolgruppe, som på så mange faktorer som muligt er ensartede med de virksomheder, som har haft vidensamspil. Den eneste observerbare forskel er, at virksomhederne ikke har haft vidensamspil. Kontrolgruppen etableres dermed ved at parre hver virksomhed med en nærmeste nabo, dvs. den virksomhed, der på de parametre som er bestemmende for vidensamspil, ligner virksomheden mest. Metoden er nærmere beskrevet i appendiks. Tidsperspektivet er en anden væsentlig faktor for at måle effekten af vidensamspillet. Dels må effekterne måles efter vidensamspillet for at kunne konkludere, at effekten skyldes vidensamspillet. Dels må der tages højde for, at effekterne kan variere over tid. Derfor analyseres effekterne på baggrund af paneldata, hvor virksomheder med vidensamspil og kontrolgruppen sammenlignes i en årrække. Figur 3.1 illustrerer udviklingen i produktivitet per medarbejder for to grupper af virksomheder. Virksomhederne er i udgangspunktet ens, hvad angår udviklingen i produktivitet per medarbejder over tid. På et givent tidspunkt etablerer målgruppen et vidensamspil og herefter ændres niveauet for deres produktivitet per medarbejder sammenlignet med kontrolgruppen. Denne ændring kan påvises gennem difference-in-difference metoden. Dermed kan det sandsynliggøres, at der en kausal sammenhæng mellem at indgå i vidensamspil om forskning og udvikling og vækst i virksomhedernes produktivitet per medarbejder. Figur 3.1 Sammenligning af effekt med kontrolgruppe Produktivitet per medarbejder Vidensamspil Målgruppe Gennemsnitlig effekt Kontrolgruppe t 0 t 1 t 2 t 3 Tid 42

43 3.1.1 Datagrundlaget Kilden til datamaterialet om virksomheders vidensamspil er den officielle danske forsknings- og udviklingsstatistik 10, som bygger på en årlig spørgeskemaundersøgelse blandt virksomhederne. Spørgeskemaet omhandler først fra 1999 formelle forsknings- og udviklingssamarbejder, som er grundlaget for identifikation af vidensamspil. Datamaterialet for vidensamspil dækker derfor perioden fra 1999 til Antallet af observationer, som ligger til grund for effektmålingen, er aftagende desto flere år effekten måles over. Dette skyldes, at flere virksomheder omfattes af spørgeskemaet over tid. Det vil sige, at effekten af vidensamspil bliver estimeret mere præcist i de første år efter vidensamspillet indgåelse. Der kan derimod forekomme en vis form for usikkerhed og støj jo længere frem i tiden effekten måles. Regnskabsstatistikken for virksomheder bygger på FIDA-registeret, som indeholder oplysninger om virksomheders økonomi og regnskabsmæssige forhold. Der er tale om en statusopgørelse, hvor alle virksomheder, som er registreringspligtige i henhold til lovgivningen, indgår i FIDA. Regnskabsoplysninger fra virksomhederne indsamles hvert år, og det er derfor muligt at sammensætte et detaljeret paneldata, hvor nøgletal for virksomhedernes regnskab kan følges over tid. I denne analyse medtages regnskabsoplysninger for virksomheder i perioden 1997 til Paneldata Regnskabsstatistikken muliggør at observere virksomheders produktivitet per medarbejder over en længere årrække, hvilket gør det muligt at anvende en estimationstilgang, som udnytter tidsseriedimensionen i data. For at opnå et bedre datagrundlag og dermed et mere solidt grundlag for effektmålingen lægges årene for vidensamspil sammen. Sammenlægnings-metoden tager udgangspunkt i den anvendte tilgang i Loecker (2007). Metoden involverer en omstrukturering af tidsperioderne afhængigt af det initiale år for indgåelsen af vidensamspil. Det initiale år for vidensamspil benævnes periode t, hvorfor det bliver muligt at analysere effekten af vidensamspil i år t+1, t+2 t+3 osv. Igangsættes et vidensamspil i 2001 fastsættes periode t for denne virksomhed til Tilsvarende fastsættes periode t til 2003 for virksomheder, som indgår vidensamspil for første gang i Denne metode sikrer et mere solidt analysegrundlag, da effekten af vidensamspil analyseres på tværs af årstal. For at opnå sammenlignelige værdier for produktiviteten per medarbejder i paneldatasættet fremskrives produktiviteten per medarbejder i de enkelte år til 2008 med udgangspunkt i inflationsudviklingen. Såfremt der er en enkelt manglende observationer i en tidsserie estimeres den enkelte manglende observation ved lineær interpolering. Hvis der mangler to eller flere år i tidsserien, beholdes den seneste sammenhængende del af tidsserien. 10 Se fx The Innovation Consortium Scheme an analysis of Firm Growth Effects, Forsknings- og Innovationsstyrelsen, Innovation: Analyse og evaluering 03/

44 3.1.3 Kontrolgruppe Kontrolgruppen består af virksomheder, der ikke har indgået vidensamspil, men som har tilsvarende karakteristika, som virksomheder i målgruppen. Ved at sammenholde virksomheder med og uden vidensamspil i de samme tidspunkter frasorteres effekter af udefrakommende faktorer, der kan påvirke virksomhedernes produktivitet per medarbejder. For at kunne sige noget konkret om den isolerede effekt af vidensamspil bør kontrolgruppen udelukkende bestå af virksomheder, som potentielt set har samme sandsynlighed for at indgå i et vidensamspil. Virksomheder, der ikke er forsknings- og udviklingsaktive, har ikke mulighed for at indgå i et vidensamspil. Kontrolgruppen består derfor kun af virksomheder, som er forsknings- og udviklingsaktive. Figur 3.2 illustrerer den forventede sammenhæng mellem produktivitet per medarbejder og forsknings- og udviklingsintensiteten. Figuren viser, at et reelt sammenligningsgrundlag ikke kan foretages mellem forsknings- og udviklingsaktive virksomheder med vidensamspil og ikke forsknings- og udviklingsaktive virksomheder. Med andre ord sammenlignes virksomheder, der har indgået vidensamspil med en tilsvarende forsknings- og udviklingsaktiv virksomheder, der har valgt ikke at indgå i vidensamspil om videndeling. Figur 3.2 Sammenhæng mellem produktivitet per medarbejder og forsknings- og udviklingsintensitet Produktivitet pr. medarbejder FoU-aktiv og FoU-samspil FoU-aktiv Ej FoU-aktiv FoU-aktiv og ej FoU-samspil KONTROLGRUPPE FoU-intensitet 44

45 Hvis sammenligningsgrundlaget i forbindelse med etableringen af kontrolgruppen blot foretages på et enkelt karakteristika f.eks. antal ansatte, er det en simpel opgave at identificere par af lignende virksomheder. Denne analyse har en langt mere kompleks tilgang til dette sammenligningsproblem, da virksomhederne matches ud fra en lang række virksomhedsspecifikke forhold for at opnå et mere solidt sammenligningsgrundlag. Matchningen foretages ud fra den såkaldte propensity score matchning metode Propensity score matching Propensity scrore matching er en metode til at etablere en kontrolgruppe, som er intelligent udvalgt på baggrund af en lang række virksomhedsspecifikke karakteristika. Ideen bag metoden går kort skitseret ud på at finde sandsynligheden (propensity scoren) for, at en virksomhed ville have etableret et vidensamspil givet forskellige observerbare faktorer. Propensity scoren udledes ved en logistisk regressionsmodel, som estimerer sandsynligheden for at indgå i vidensamspil. Den estimerede propensity score angiver derfor sandsynligheden for vidensamspil beregnet med udgangspunkt i et samlet udtryk for baggrundsfaktorerne. Faktorer, som ligger til grund for estimeringen, er angivet i nedenstående tabel 3.1. Tabellen viser, at modellen tager højde for fem forskellige brancher samt fire forskellige virksomhedsstørrelser foruden at tage højde for eksport, uddannelse og forsknings- og udviklingsafdeling. Tabel 3.1 Oversigt over forklarende faktorer til estimering af propensity scoren FORKLARENDE FAKTORER Brancher Størrelse (antal årsværk) Eksport Højtuddannede ansat Egen forsknings- og udviklingsafdeling Forsknings- og udviklingsintensitet Forsknings- og udviklingsinvesteringer Lavteknologisk fremstilling Højteknologisk fremstilling Handel Videnservice Øvrige Under Over 250 Hvorvidt virksomheden har eksport eller ej. Hvorvidt virksomheden har højtuddannede ansat eller ej. Hvorvidt virksomheden har egen forsknings- og udviklingsafdeling eller ej. Forsknings- og udviklingsintensitet målt som forsknings- og udviklingsansatte ud af det samlede antal ansatte. Mål for virksomhedernes investeringer i forskning og udvikling. 45

46 Virksomheder med vidensamspil matches parvist med virksomheder uden vidensamspil efter størrelsen på propensity scoren. Det betyder, at to virksomheder i ét match har lignende sandsynlighed for at indgå i et vidensamspil. Den gennemsnitlige forskel i væksten i produktivitet per medarbejder mellem disse to grupper af virksomheder kan derfor intuitivt fortolkes som effekten af vidensamspil. Det er ikke muligt at finde en kontrolgruppe, som er fuldstændig ens i alle delvist uobserverbare faktorer. For hver type af vidensamspil findes deskriptiv statistik i appendiks, som demonstrerer sammensætningen af virksomheder med og uden vidensamspil, efter matchingproceduren er foretaget Behandling af outliers Tilstedeværelsen af ekstreme observationer kan forvrænge effekterne og mindske præcisionen af effektmålingen. Data kan indeholde ekstreme værdier som følge af fejltastning eller andre faktorer som fusioner eller opsplitning af virksomheder. Disse ændringer kan have en uforholdsmæssig stor effekt på resultaterne. For at afhjælpe denne problemstilling følger denne analyse en metode i tråd med Hall og Mairesse (1995) og fjerner alle virksomheder, som mellem to på hinanden følgende år enten har oplevet en tredobling eller et fald i produktivitet per medarbejder på 50 procent. 3.2 Resultater De økonometriske analyser i denne rapport sandsynliggør, at der er positiv sammenhæng mellem vidensamspil med offentlige videninstitutioner og udviklingen i virksomhedernes produktivitet per medarbejder. Der er en signifikant positiv effekt på væksten i produktivitet per medarbejder af at indgå i vidensamspil de første fem år efter indgåelse i forsknings- og udviklingssamarbejde. Det indikerer, at der er en kausal sammenhæng mellem at indgå i et vidensamspil og en øget produktivitet per medarbejder Kausal sammenhæng mellem et eller flere vidensamspil med videninstitutioner og produktivitet per medarbejder I løbet af de første to år efter indgåelsen i vidensamspillet oplever virksomheder i gennemsnit en vækst i produktivitet per medarbejder på omkring 10 procent, mens statistiske sammenlignelige virksomheder i kontrolgruppen oplever en markant lavere fremgang på kun 1 procent. Efter seks år kan den positive effekt af at indgå i et vidensamspil ikke længere påvises. Mellem fem og seks år efter ses en form for catch up, hvor virksomheder i kontrolgruppen hastigt indhenter de stigninger i produktivitet per medarbejder, virksomheder har oplevet som følge af deltagelse i vidensamspil. Efter syv år efter indgåelse af vidensamspil ses igen en signifikant effekt af vidensamspil, jf. figur 3.3. Analysen i figur 3.3 baserer sig på 545 virksomheder, som har haft et eller flere samspil med enten universiteter eller GTS-institutter eller både universiteter og GTS-institutter mv. en eller flere gange siden Kontrolgruppen er fundet ud fra Propensity Score Matching Metoden og består således også af 545 virksomheder. I alt baseres analysen således på virksomheder blandt de forskningsog udviklingsaktive virksomheder i Danmark. 46

47 Figur 3.3 Kausal sammenhæng mellem vidensamspil og vækst i produktivitet per medarbejder Procent ,98 12,18 12,92 8,29 10,38 9, ,77 13,36 17,65 14,65 Sign. 5% Sign. 10% 5,18 3,68 Treatment 2,51 Kontrol År efter samspil Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N(målgruppe): 545 og N(kontrolgruppe): 545 Det er ikke muligt på baggrund af denne analyse at fastslå årsagen til den catching-up effekt, som kan observeres efter de første seks år. Men der kan være flere forklaringer. En forklaring kan være, at der fx gennem markedet - forekommer en videnspredning til virksomheder, som ikke har deltaget i vidensamspil, og som derved indhenter det forspring, som virksomheder med vidensamspil har opnået. Det kan samtidigt skyldes, at den positive udvikling i produktivitet per medarbejder har medført en beskæftigelsesvækst, som medfører en faldende marginal produktivitet per medarbejder, eller at virksomheder med vidensamspil foretager nye investeringer nogle år efter vidensamspillet. Det første er tilfældet i de virksomheder, som har samspil med universiteter gennem et såkaldt ErhvervsPhD-projekt 11. De observerede signifikante effekter på længere sigt, kan skyldes opnåede effekter af senere vidensamspil. Det kan dog ikke fastslås endelig på baggrund af analysen Kausal sammenhæng mellem ét enkelt vidensamspil med videninstitutioner og produktivitet per medarbejder Virksomheder, som indgår et vidensamspil, medtages i analysen fra og med det år, hvor de etablerer vidensamspillet. Det er vigtigt at overveje præcist, hvad der menes med, at en virksomhed har indgået i et vidensamspil. Betragtes et enkelt år er der ingen tvivl, eftersom tilstedeværelsen af vidensamspil angives ved en variable, som blot angiver vidensamspil eller ikke vidensamspil. Betragtes derimod flere år er det muligt, at en virksomhed indgår i et vidensamspil flere gange, hvorfor effekten af de enkelte vidensamspil sløres. 11 Analysis of the Industrial PhD Programme, Forsknings- og Innovationsstyrelsen, Innovation: Analyse og evaluering 01/

48 Estimeres effekten af et enkelt vidensamspil er det nødvendigt udelukkende at fokusere på virksomheder, som kun én gang i perioden indgår i et vidensamspil. Kigger vi derimod på alle virksomheder, som indgår i ét eller flere vidensamspil på tværs af årene fremkommer et større antal observationer. Det er således hensigtsmæssigt at forsøge sig med begge analysevinkler, eftersom de begge bidrager med relevant viden om effekten af vidensamspil. Frasorteres de virksomheder, som indgår vidensamspil flere gange i den analyserede periode, isoleres effekten af at indgå i et enkelt vidensamspil. Effekten er vist i figur 3.4. Der ses en tilsvarende positiv signifikant effekt i de første fem år som i figur 3.3, hvorefter der ikke længere kan påvises en signifikant forskel i udviklingen i produktivitet per medarbejder. Igen indikerer resultaterne, at der er en kausal sammenhæng mellem at indgå i et vidensamspil og produktivitet pr. medarbejder. Analysen i figur 3.4 baserer sig på 434 virksomheder, som alene har haft et enkelt samspil med enten universiteter eller GTS-institutter eller både universiteter og GTS-institutter mv. siden Kontrolgruppen består også af 434 virksomheder. I alt analyses 868 forsknings- og udviklingsaktive virksomheder. Figur 3.4 Kausal sammenhæng mellem indgåelse af et enkelt vidensamspil og produktivitet per medarbejder Procent ,9 15,44 15,48 13,05 14,82 12,24 13,77 10,11 11,86 9,64 10,06 9,21 7,53 Sign. 5% 4,8 Sign. 10% 3,52 Kontrol 3 0,62 Treatment År efter samspil Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N(målgruppe): 434 og N(kontrolgruppe):

49 3.2.3 Kausal sammenhæng mellem forsknings- og udviklingssamarbejde med universiteter og produktivitet per medarbejder For at få en dybere forståelse af effekten af at indgå i vidensamspil, analyseres de isolerede effekter af de forskellige former for vidensamspil i de følgende tre afsnit. I dette afsnit ses alene på forsknings- og udviklingssamarbejder med universiteter eller højere uddannelsesinstitutioner. Analysen baserer sig på 518 virksomheder, som har haft et eller flere samspil med et universitet siden Kontrolgruppen udgør også 518 virksomheder. I alt baseres denne delanalyse på forskningsaktive virksomheder. Der kan sandsynliggøres en positiv signifikant effekt i de første fem år, hvorefter der ikke længere kan påvises en signifikant forskel i udviklingen i produktivitet per medarbejder for virksomheder, som samarbejder med universiteter, jf. figur 3.5. Resultaterne indikerer en kausal sammenhæng mellem at indgå et vidensamspil med et universitet og en øget produktivitet per medarbejder. Analyserne peger for denne undergruppe på en positiv effekt efter syv og otte år. Figur 3.5 Kausal sammenhæng mellem virksomhedernes forskningssamarbejde med universiteter og produktivitet per medarbejder. Procent ,52 4,5 0,2 1,55 11,84 3,75 10,92 13,56 4,24 11,35 8,09 17,23 10,8 12,53 18,69 13,76 Sign. 5% Sign. 10% Kontrol Treatment År efter samspil 17,37 16,1 Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N(målgruppe): 518 og N(kontrolgruppe): Kausal sammenhæng mellem forsknings- og udviklingssamarbejde med GTS-institutter og produktivitet per medarbejder I dette afsnit analyseres virksomhedernes forsknings- og udviklingssamarbejde alene med Godkendt Teknologisk Serviceinstitutter (GTS-institutter), som er almennyttige selvejende institutioner. Ses isoleret på effekten af at indgå i vidensamspil med et GTS institut, er den ligeledes signifikant positiv de første fire år, jf. figur 3.6. Resultaterne indikerer en kausal sammenhæng mellem vidensamspil med et GTS-institut og en øget produktivitet per medarbejder. Analysen i figur 3.6 baserer sig på 332 virksomheder, som har haft et eller flere 49

50 samspil med et GTS-institut siden Kontrolgruppen er som i de øvrige analyser fundet ud fra Propensity Score Matching Metoden og består også af 332 virksomheder. I alt baseres analysen således på 664 virksomheder blandt de forsknings- og udviklingsaktive virksomheder i Danmark. Figur 3.6 Kausal sammenhæng mellem vidensamspil med GTS-institutter og produktivitet per medarbejder. Procent ,68 6,6 0 2,26 13,39 3,92 10,07 4,42 13,24 12,58 8,75 11,63 16,76 13,91 15,56 Sign. 5% Sign. 10% Kontrol Treatment År efter samspil 18,88 Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N(målgruppe): 332 og N(kontrolgruppe): 332 Set i forhold til udviklingen for vidensamspil med universiteter er udviklingsforløbet med hensyn til GTS-institutter en anelse anderledes. Væksten i produktiviteten per medarbejder er højere de første to år efter etablering af forsknings- og udviklingssamarbejder. Efter to år mindskes forskellen i produktivitet per medarbejder mellem virksomheder med og uden vidensamspil med GTS-institutter Sammenhæng mellem køb af forskning og produktivitet per medarbejder I dette afsnit analyseres virksomhedernes direkte køb af forskning og udvikling i offentlige forsknings- og videninstitutioner. Køb af forskning og udvikling har mere karakter af færdige videnydelser og er ikke et egentligt forsknings- og udviklingssamarbejde. I denne analyse indgår 210 virksomheder, som har købt forsknings- og udviklingsydelser, og 210 forsknings- og udviklingsaktive, der ikke har. Analysen indeholder derfor 420 forsknings- og udviklingsaktive virksomheder. Der kan ikke påvises en signifikant forskel i den gennemsnitlige udvikling i produktivitet per medarbejder mellem de to grupper, jf. figur 3.7. Derfor kan det ikke sandsynliggøres, at der er en kausal sammenhæng mellem køb af forskning og udvikling på fx et universitet eller et GTS-institut og væksten i produktivitet per medarbejder. 17,9 50

51 Figur 3.7 Kausal sammenhæng mellem køb af forskning og udvikling hos videninstitutioner og produktivitet per medarbejder , ,47 Procent ,7 2,2 5,74 2,68 6,48 2,37 7,1 4,1 12,79 10,13 12,72 8,66 17,36 12,26 15,33 Treatment Kontrol 16, År efter køb Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N(målgruppe): 210 og N(kontrolgruppe): 210 For at afdække om der er forskel på at købe forskning og udvikling direkte hos universiteter eller hos GTS-institutter, er der foretaget en opsplitning af effektmålingen efter samme metode, som beskrevet tidligere. Datagrundlaget er dog her for begrænset til at opnå et antal observationer, der giver mulighed for at gennemføre en valid analyse. Der findes ikke signifikante resultater, hvilket kan skyldes det lave antal observationer. Opsplitningen bidrager derfor ikke med væsentlig information til analysen. 51

52 52

53 4. ØKONOMISKE EFFEKTER AF FORSKNINGS- OG UDVIKLINGS SAMARBEJDE > Forrige kapitel sandsynliggjorde en kausal sammenhæng mellem etablering af vidensamspil og vækst i produktivitet per medarbejder. Formålet med dette kapitel er at estimere den privatøkonomiske effekt af forsknings- og udviklingssamarbejde målt ved både virksomhedernes produktivitet per medarbejder og virksomhedernes værditilvækst. Analysen dokumenterer blandt andet: Virksomheder med vidensamspil har i gennemsnit en årlig produktivitet per medarbejder, der er kr. højere end forsknings- og udviklingsaktive virksomheder uden samspil. Det svarer til, at medarbejderne i gennemsnit er 9 pct. mere produktive end medarbejdere i virksomheder uden samspil. Virksomheder med vidensamspil har i gennemsnit en årlig værditilvækst, der er 8,8 mio. kr. højere end forsknings- og udviklingsaktive virksomheder uden samspil. Et vidensamspil med universitet eller højere uddannelsesinstitution øger i gennemsnit produktiviteten med godt kr. per medarbejder per år, svarende til godt 6,6 mio. kr. per virksomhed per år. For vidensamspil med et GTS-institutterne øges produktiviteten per med abejder med godt kr. om året, hvilket svarer til godt 7,1 mio. kr. per virksomhed per år. Hvis virksomheden har vidensamspil med både et universitet og et GTS institut, så er produktiviteten per medarbejder kr. årligt, hvilket svarer til en årlig produktivitet per virksomhed på godt 9,4 mio. kr. Det er især virksomheder inden for fremstillingsindustrien, der oplever en effekt af vidensamspil. For virksomheder inden for videnservice, øvrig service, handel og transport er effekten knap så entydig. Både små og mellemstore og store virksomheder oplever en effekt af vidensamspil. Det er de store virksomheder med mere end 250 ansatte, der oplever den største effekt. Hvis samtlige danske forsknings- og udviklingsaktive virksomheder indgår i et vidensamspil for første gang, vil det øge værditilvæksten samlet set i virksomhederne med 21,6 mia. kr. Det svarer til, at BNP stiger med 1½ pct. 4.1 Modeller til analyse af de økonomiske effekter Effektmåling af vidensamspil er kompleks, da der ikke findes en lineær sammenhæng mellem etablering af et samarbejde og en efterfølgende økonomisk effekt. Der er en række forhold, som kan gøre det vanskeligt at estimere effekten. Det drejer sig bl.a. om potentielle tidslags inden effekten indtræder, forskellige udgangspunkt for virksomhederne, forskelle mellem virksomhedernes karakteristika samt virksomhedernes erfaringer og kompetencer inden for vidensamspil. Det er vigtigt, at analyserne tager højde for de forskellige forhold. 53

54 Virksomhederne i analyserne vil variere i forhold til størrelse, branche, markedsforhold, globalisering og andre objektive faktorer. Der kontrolleres i analyserne for disse faktorer, når effekterne af vidensamspil skal isoleres. For at undgå at nogle af effekterne bliver væk i analyserne, fordi datasættet indeholder mange forskellige virksomheder, hvor der vil være forskellige effekter, vil analyserne både behandle data under ét og inkludere informationer om hver enkelt virksomhed i forhold til dens branche og antal ansatte. Samtidig gennemføres analyserne for forskellige brancher og virksomhedsstørrelser. Tidsforskydning mellem etablering af et vidensamspil og effekten heraf håndteres ved at arbejde med paneldata, således at der anvendes observationer over tid. Der arbejdes med en inddeling af observationerne efter det år, hvor virksomhederne har registreret et vidensamspil. Således er år 0 det år, hvor virksomhederne har vidensamspil. År et er året efter etablering af samarbejdet, år to er to år efter og så videre. På den måde tages der højde for den tidsforskydning, der potentielt vil være mellem etablering af et vidensamspil og effekten heraf. Desuden giver metoden ved anvendelse af paneldata, mulighed for at indarbejde de forskelligheder, der vil være givet forskellige typer af vidensamspil, samspilspartnere og fokus ved vidensamspillet. Datagrundlaget er baseret på paneldata, da tværsnitsanalyser baseret på det enkelte år ikke er i stand til at analysere variationen over tid. En vigtig forudsætning for arbejdet med paneldata er håndteringer af ekstremværdier. Ekstremværdier kan forvrænge resultaterne og mindske præcisionen af estimaterne. Der analyseres i alt tre forskellige modeller: Model 1: Forsknings- og udviklingssamarbejde med offentlige videninstitutioner Model 2: Forsknings- og udviklingssamarbejde med universiteter og højere uddannelsesinstitutioner Model 3: Forsknings- og udviklingssamarbejde med GTS-institutter Alle tre modeller bygges op om en klassisk Cobb-Douglas produktionsfunktion 12. Modellen indeholder ud over et mål for produktivitet per medarbejder, mål for virksomhedernes fysiske kapital, arbejdskapital, diverse mål for virksomhedernes karakteristika samt forsknings- og udviklingskarakteristika. Modellen gennemføres via OLS-regressioner. I appendiks beskrives produktionsfunktionen nærmere. 12 Som udgangspunkt for produktionsfunktionen antages konstant skalaafkast, hvilket vil sige at eksponenterne summer til 1. 54

55 I tabel 4.1 giver en oversigt over hovedresultaterne fra regressionerne af de tre modeller. Resultaterne præsenteres med fortegn og signifikansniveau. De viser, at der er en positiv sammenhæng mellem vidensamspil om forskning og udvikling og virksomhedernes produktivitet per medarbejder. Tabel 4.1 Forskellige faktorers sammenhæng med produktivitet per medarbejder Vidensamspil med offentlige videninstitutioner +*** Model 1 (år 1-4) Vidensamspil med universiteter og højere læreanstalter +*** Model 2 (år 1-4) Vidensamspil med GTS +*** Model 3 (år 1-4) Ekstern finansiering fra Danmark Ej sign.a) Ej sign.a) Ej sign.a) Ekstern finansiering fra EU Ej sign. Ej sign. Ej sign. Højtuddannede ansat +*** +*** +*** Forskeruddannede ansat +*** +*** +*** Udfører grundforskning Ej sign. Ej sign. Ej sign. Egen forsknings- og udviklingsafdeling Ej sign.b) Ej sign.b) Ej sign.b) Søgt om patent +*** +*** +*** Eksport Ej sign. Ej sign. Ej sign. Anm. Estimaternes signifikans er angivet med asterisk: *** = 1 pct.-niveau, ** = 5 pct.-niveau og * = 10 pct.-niveau. Anm: Ud over de præsenterede variable indeholder modellerne også branchedummies for højteknologisk fremstilling, handel og videnservice brancher, desuden er der korrigeret for virksomhedernes input af arbejdskraft og kapitalinput. Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N: Produktivitetseffekter per medarbejder af vidensamspil med videninstitutioner Estimation af produktivitetseffekter per medarbejder i virksomhederne giver følgende resultater: Forsknings- og udviklingsaktive virksomheder med vidensamspil med offentlige videninstitutioner har en gennemsnitlig årlig produktivitet per medarbejder, der er kr. højere end virksomheder uden samspil. Det betyder, at hver medarbejder i virksomhederne med samspil bidrager med kr. ekstra til virksomhedens værditilvækst hvert år. Generelt ligger den gennemsnitlige produktivitet per medarbejder på knap kr. for forsknings- og udviklingsaktive virksomheder med samspil. Det svarer til, at den gennemsnitlige medarbejder i disse virksomheder er 9 pct. mere produktive sammenlignet med tilsvarende forsknings- og udviklingsaktive virksomheder, der ikke har vidensamspil med offentlige videninstitutioner. Givet at hvert årsværk øger virksomhedernes produktivitet per medarbejder med kr. betyder det, at den gennemsnitlige virksomhed opnår en årlig ekstra værditilvækst på omkring 8,8 mio. kr. ved at indgå i et vidensamspil med offentlige videninstitutioner 13, De ekstra 8,8 mio. kr. rammer direkte virksomhedernes bundlinje år efter år. Tabel 4.2 sammenfatter resultaterne. 13 Den årlige gennemsnitlige værditilvækst per virksomhed beregnes ved at multiplicere det gennemsnitlige antal ansatte for virksomhederne med produktivitet per medarbejder. Det gennemsnitlige antal ansatte er 179 årsværk per virksomhed. 55

56 Tabel 4.2 Gennemsnitlig årlig mereffekt på værditilvækst og produktivitet per medarbejder i virksomheder med vidensamspil med videninstitutioner Gennemsnitlig årlig forskel mellem forsknings- og udviklingsaktive virksomheder med samspil og forsknings- og udviklingsaktive virksomheder uden samspil Gennemsnitlig årlig forskel mellem forsknings- og udviklingsaktive virksomheder med samspil og forsknings- og udviklingsaktive virksomheder uden samspil Produktivitet per medarbejder Værditilvækst per virksomhed kr kr. 9 % 9 % Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N: Virksomheder med vidensamspil har således en værditilvækst, der er 8,8 mio. kr. højere end lignende virksomheder uden vidensamspil. De 8,8 mio. kr. ekstra hvert år giver virksomheden en lang række muligheder i forhold til dens konkurrenter. Det bliver muligt at agere mere offensivt ved at investere yderligere i forskning og udvikling 14, som igen vil forbedre virksomhedens værditilvækst og produktivitet per medarbejder. Det vil også være muligt at kunne ansætte nye medarbejdere, eller aflønne blivende medarbejdere bedre. Alternativt kan værditilvæksten bruges til at konsolidere virksomheden, så den er klar til at modstå en finansiel krise og agere i stedet for at reagere på en finansiel krise, eller udbetales til eventuelle aktionærer. Tidligere analyser 15 har vist, at forsknings- og udviklingsaktive virksomheder i gennemsnit er mere produktive end øvrige virksomheder. De empiriske resultater i disse analyser viser, at forsknings- og udviklingsaktive virksomheder har mellem 15 pct. og 40 pct. højere arbejdsproduktivitet end ikke forsknings- og udviklingsaktive virksomheder. Den gennemsnitlige årlige værditilvækst for alle forsknings- og udviklingsaktive virksomheder med vidensamspil er 4,8 mia. kr. højere end virksomhederne, som ikke har samspil. Beregningerne er gennemført på baggrund af opregninger af det eksisterende datagrundlag. Summeres effekterne over hele perioden, giver det en samlet værditilvækstseffekt over en 9-årig periode på 43,35 mia. kr. for alle forsknings- og udviklingsaktive virksomheder med samspil. Det svarer til, at alle forsknings- og udviklingsaktive virksomheder med samspil har en værditilvækst, der er 9 pct. højere end virksomheder uden vidensamspil med offentlige videninstitutioner. Tabel 4.3 sammenfatter resultaterne. 14 Produktivitetseffekter af erhvervslivets forskning, udvikling og innovation. Forsknings- og Innovationsstyrelsen (2010) viste, at en krone ekstra investeret i forskning og udvikling giver en gennemsnitlig virksomhed et afkast på 1,66 kr. 15 Se Forsknings- og Innovationsstyrelsen (2010) samt Graversen og Mark (2005). 56

57 Tabel 4.3 Gennemsnitlig årlig mereffekter på værditilvæksten i alle virksomheder med vidensamspil med videninstitutioner Gennemsnitlig årlig forskel i værditilvækst mellem alle forskningsog udviklingsaktive virksomheder med samspil og forsknings- og udviklingsaktive virksomheder uden samspil 4,8 mia. kr. Akkumuleret forskel i værditilvækst af vidensamspil for alle forsknings- og udviklingsaktive virksomheder over en 9-årig periode 43,35 mia. kr. Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N: Branchespecifikke og virksomhedsspecifikke privatøkonomiske effekter Effekterne af vidensamspil er forskellige på tværs af brancher og afhængig af størrelsen af virksomhederne målt ved antal ansatte. Forskellene i effekter på tværs af virksomheder og brancher skyldes forskellige typer vidensamspil, forskellige behov hos virksomheder, forskelle i forskning og videnudbud i de offentlige forskningsinstitutioner. Det kan skyldes forskellige typer af alliancer, forskellige behov og kompetencer hos virksomhederne, forskelligt udbud af viden hos de offentlige forskningsinstitutioner, forskellig konkurrencesituation for virksomhederne, mv Effekter målt ved produktivitet per medarbejder Tabel 4.4 viser den gennemsnitlige årlige stigning i produktivitet per medarbejder for udvalgte danske virksomheder på tværs af branche og virksomhedsstørrelse. Det er især fremstillingsindustrien, der har en øget produktivitet per medarbejder ved vidensamspil. Således har virksomheder i højteknologisk fremstillingsindustri alene, det første år efter et vidensamspil er indgået med forsknings- og videninstitutioner, en øget produktivitet per medarbejder på kr. Til sammenligning oplever virksomhederne inden for videnservice ingen signifikant effekt af forsknings- og udviklingssamarbejde det første år. For den gennemsnitlige virksomhed i videnservicebranchen ses signifikante effekter fra to år efter, at samarbejdet med videninstitutioner blev igangsat. Inden for øvrige virksomheder, som fortrinsvis dækker manuel service, transport og handel, er der en signifikant effekt de første to år, hvorefter der ikke længere er signifikans i de økonometriske analyser. Tabellen viser, at alle typer virksomheder uanset størrelse opnår effekt af vidensamspil med offentlige videninstitutioner. De største effekter målt ved produktivitet per medarbejder ses i de store virksomheder. Her er målt en merproduktivitet per medarbejder med samspil med videninstitutioner på kr. det første år i forhold til virksomheder uden samspil, medens det tilsvarende tal for små og mellemstore virksomheder er kr. Den gennemsnitlige årlige effekt på tværs af alle små, mellemstore og store forsknings- og udviklingsaktive virksomheder i Danmark er beregnet til kr. per medarbejder. 57

58 Resultaterne i tabel 4.4 sammenfatter alle de beregnede resultater i de økonometriske analyser på tværs af brancher og virksomhedsstørrelse målt ved den gennemsnitlige produktivitet per medarbejder. Tabel 4.4 Gennemsnitlige årlige mereffekter på produktivitet per medarbejder i virksomheder med vidensamspil med videninstituioner ÅR 1 ÅR 2 År 3 ÅR 4 Højteknologisk fremstillingsindustri kr.*** kr.*** kr.*** kr.*** Lav- og mellemteknologisk fremstillingsindustri kr.*** kr.*** kr.*** kr.*** Videnservice kr kr.** kr.*** kr. Øvrige, herunder manuel service, handel og transport mv kr.** kr.** kr kr.* Virksomhed med mere end 250 ansatte kr.*** kr.*** kr.** kr.** Virksomhed med mindre end 250 ansatte kr.*** kr.*** kr.*** kr.*** Gennemsnitlig årlig effekt per medarbejder af vidensamspil kr.*** kr.*** kr.*** kr.*** Anm. Estimaternes signifikans er angivet med asterisk: *** = 1 pct.-niveau, ** = 5 pct.-niveau og * = 10 pct.-niveau. Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N: Analysen Produktivitetseffekter af erhvervslivets forskning, udvikling og innovation, Forsknings- og Innovationsstyrelsen (2010), dokumenterede de gennemsnitlige effekter på produktivitet per medarbejder af private investeringer i forskning og udvikling. Desuden dokumenterede analysen forskelle i produktivitet per medarbejder i virksomheder med og uden forsknings- og udviklingsaktivitet. Blandt andet viste analyserne, at den gennemsnitlige produktivitet per medarbejder i virksomheder, der har forskning og udvikling, er størst blandt virksomheder inden for især videnservice. Omvendt var forskellen mellem virksomheder med og uden forskning og udvikling målt ved produktivitet per medarbejder størst inden for fremstillingsindustrien. Generelt har virksomheder, der er placeret i videnservicebranchen, et højt produktivitetsniveau per medarbejder. Det skyldes i høj grad den kompetencesammensætning, der er i den branche. Derfor er det ofte vanskeligt at påvise forskelle mellem virksomhederne i videnservicebrancherne

59 4.3.2 Effekter målt ved værditilvækst i virksomhederne Den gennemsnitlige effekt per virksomhed måles ved værditilvækst og er vist i tabel 4.6. Resultaterne viser, at virksomheder inden for fremstillingsindustrien, hvad enten det er høj- eller lavteknologisk, opnår den største værditilvæksteffekt af vidensamspil med offentlige videninstitutioner. 16 Den årlige gennemsnitlige værditilvæksteffekt er størst for virksomheder i den højteknologiske fremstillingsindustri, hvor merværditilvæksten er beregnet til godt 17,2 mio. kr. per virksomhed om året over en 4-årig periode efter igangsættelse af vidensamspil. For virksomheder inden for videnservicebranchen er effekten ca. 5 mio. kr. om året per virksomhed. Tabel 4.5 Gennemsnitlige årlige mereffekter på værditilvæksten i virksomheder med vidensamspil med videninstitutioner over en 4-årig periode Højteknologisk fremstillingsindustri Lav- og mellemteknologisk fremstillingsindustri Videnservice Øvrige, herunder manuel service, handel og transport mv. Virksomhed med mere end 250 ansatte Virksomhed med mindre end 250 ansatte For alle virksomheder kr kr kr kr kr kr kr. Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N: For den gennemsnitlige danske forsknings- og udviklingsaktive virksomhed, som har vidensamspil med videninstitutioner, er den årlige merværditilvækst beregnet til at være kr. Det dækker over, at effekten på værditilvæksten af vidensamspil med videninstitutioner er størst i de store virksomheder. Der er en markant større effekt for de store virksomheder med mere end 250 ansatte. Her forbedres værditilvæksten for den gennemsnitlige store virksomhed med knap 30 mio. kr. om året i en 4-årig periode efter et vidensamspil. For den gennemsnitlige forsknings- og udviklingsaktive virksomhed med under 250 ansatte, er der en merværditilvækst på 5,8 mio. kr. i forhold til tilsvarende forsknings- og udviklingsaktive små og mellemstore virksomheder uden samspil med videninstitutioner. 16 Værditilvækst i en virksomhed er defineret som produktivitet per medarbejder multipliceret med antal årsværk. 59

60 Årsagen til, at effekten er større end effekten præsenteret i tabel 4.2, er, at der kun fokuseres på de første 4 år efter et vidensamspil. I tabel 4.2 var det effekten over en 9-årig periode. Det skyldes, at der er en faldende effekt. Derfor et lavere gennemsnit, når der inkluderes flere år, idet de sidste år ikke bidrager med så meget som de første år. Forskellen der kan observeres mellem de små og mellemstore samt store virksomheder kan tilskrives, at de store virksomheder i højere grad end de små og mellemstore virksomheder, besidder egenskaber, der har betydning for både at få optimeret effekter af forskning og udvikling samt af samspil med forskningsinstitutioner. Det skyldes fx at de store virksomheder har større kapacitet til at absorbere viden og større forsknings- og udviklingskapacitet. Litteraturen, der beskæftiger sig med, hvilke faktorer, der påvirker virksomheders vidensamspil, viser, at større virksomheder har en større sandsynlighed for at have vidensamspil 17. Det skyldes, at større virksomheder besidder en bredere sammensætning af relevante og nødvendige kompetencer til at kunne udnytte og absorbere viden fra vidensamspillet. Ud fra en betragtning om, at virksomheder handler rationelt, bekræfter resultaterne dette. Analysen Produktivitetseffekter af erhvervslivets forskning, udvikling og innovation, Forsknings- og Innovationsstyrelsen (2010), dokumenterede de marginale effekter af privat forskning og udvikling i de forskellige brancher. Afkastet af en ekstra krone investeret i forskning og udvikling i en gennemsnitlig virksomhed i en given branche er højest i servicevirksomheder, medens det er lavest i højteknologiske fremstillingsvirksomheder. Dette skyldes især, at den gennemsnitlige virksomhed i fx videnservicebranchen er langt mindre end den gennemsnitlige virksomhed inden for højteknologisk fremstilling. Virksomheder inden for højteknologisk fremstilling har omvendt et meget højere niveau for deres forsknings- og udviklingsinvesteringer, hvorfor det må forventes af det marginale afkast inden for denne sektor er lavere end inden for servicesektoren, hvor niveauet for forskning og udvikling i den gennemsnitlige virksomhed er langt lavere. Til gengæld viser analyserne i dette afsnit, jf. tabel 4.5, at højteknologiske fremstillingsvirksomheder omvendt har et meget større afkast af at samarbejde om forskning og udvikling med videninstitutioner end videnservicevirksomheder. Til trods for disse branchespecifikke forskelle kan det ud fra analyserne samlet konkluderes, at der både er en positiv effekt på værditilvækst af at investere i forskning og udvikling samt af at samarbejde om forskning og udvikling. 17 Se f.eks. Cassiman & Veugelers (1998), Bayona m.fl. (2001) samt Tether (2002) for empiriske resultater og teoretiske diskussioner. 60

61 4.4 Effekter af vidensamspil med universiteter og GTS-institutter Det er muligt at inddele effekterne af vidensamspil med GTS-institutter på den ene side og universiteter og højere uddannelsesinstitutioner på den anden. Tabel 4.6 viser, at et vidensamspil med universitet eller højere uddannelsesinstitution i gennemsnit øger produktiviteten med godt kr. per medarbejder per år, svarende til godt 6,6 mio. kr. per virksomhed. For vidensamspil med et GTSinstitutterne øges produktiviteten per medarbejder med godt kr. om året, hvilket svarer til godt 7,1 mio. kr. per virksomhed per år. Vidensamspil med GTS på den ene side og universiteter på den anden er ikke gensidigt udelukkende. Resultaterne viser, at effekten generelt er mindre, hvis virksomheden alene har vidensamspil med universitet eller et GTS-institut. Hvis virksomheden har vidensamspil med både et universitet og et GTS-institut, så er produktiviteten per medarbejder kr. årligt, hvilket svarer til en årlig værditilvækst per virksomhed på godt 9,4 mio. kr. Tabel 4.6 viser de årlige effekter af vidensamspil med forskellige typer af videninstitutioner. Tabel 4.6 Gennemsnitlige årlige medeffekter på værditilvæksten og produktivitet per medarbejder i virksomheder med vidensamspil med forskellige typer af videninstitutioner Produktivitet per medarbejder Værditilvækst per virksomhed Vidensamspil med universitet kr kr. Vidensamspil med GTS kr kr. Vidensamspil med både universitet og GTS kr kr. Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N: Samfundsøkonomiske effekter Formålet med dette afsnit er at estimere, hvad effekten vil være, hvis flere danske virksomheder begyndte at have vidensamspil med offentlige videninstitutioner. Kan danske virksomheder overkomme de udfordringer og barrierer, der kan være i forbindelse med et vidensamspil, er der klare effekter i form af en øget værditilvækst i virksomhederne og produktivitet per medarbejder. I det følgende fokuseres på de potentielle effekter, der er ved at øge antallet virksomheder, der har vidensamspil med offentlige videninstitutioner. Det antages, at de virksomheder, der i forvejen er forsknings- og udviklingsaktive, i første omgang er de virksomheder, med de bedst mulige forudsætninger for at indlede et vidensamspil. Derfor inddrages virksomheder uden forsknings- og udviklingsaktiviteter ikke i beregningerne. 61

62 På tværs af de forskellige år i forsknings- og udviklingsstatistikken kan der identificeres unikke forsknings- og udviklingsaktive virksomheder, der ikke har vidensamspil. Hvis det antages, at alle disse virksomheder får et vidensamspil, betyder det, at virksomheder går fra ikke at have vidensamspil til at have vidensamspil med videninstitutioner. Det giver en årlig værditilvækst samlet set i de pågældende virksomheder på 21,6 mia. kr. Stigningen i værditilvæksten i de virksomheder svarer til en stigning i BNP på 1,5 pct. Resultatet er beregnet under antagelse af, at alle de nye samarbejdende virksomheder opnår en ensartet effekt af vidensamspil med offentlige videninstitutioner i overensstemmelse med gennemsnittet af effekterne, som er dokumenteret i dette kapitel for de forsknings- og udviklingsaktive virksomheder, som faktisk har haft et samspil med videninstitutioner. Det er langt fra sikkert, at alle øvrige forsknings- og udviklingsaktive virksomheder vil kunne opnå samme effekt, men estimationen giver en illustration af de potentielle privatøkonomiske effekter af vidensamspil. Tabel 4.7 Potentielle mereffekter på værditilvæksten og BNP af at øge antallet af virksomheder med vidensamspil med offentlige videninstitutioner Gennemsnitlig årlig effekt på værditilvæksten, hvis alle forsknings- og udviklingsaktive virksomheder påbegyndte et vidensamspil Stigning i BNP 21,6 mia. kr. 1,5 pct. Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N:

63 63

64 5. OVERVEJELSER ANGÅENDE ANALYSEMETODE OG DATAGRUNDLAG > Formålet med dette kapitel er at se på de overvejelser, som ligger bag de valgte statistiske metoder i denne rapport, samt vurdere gyldigheden af dataudvælgelsen og etablering af kontrolgrupper. Analyserne bygger på internationalt anerkendte forskningsmetoder. Med det omfattende datamateriale med unikke forsknings- og udviklingsaktive danske virksomheder er analyserne i en international kontekst meget grundige og solide. De metoder, der er anvendt til at analysere den privatøkonomiske effekt af virksomhedernes vidensamspil med offentlige videninstitutioner, tager alle højde for en lang række af de udfordringer og forhold, der anføres i den internationale forskningslitteratur vedrørende måling af effekten af investeringer i forskning og udvikling. De økonometriske modeller i denne rapport bygger videre på best practise metoder i den internationale litteratur bl.a. Hall og Mairesse (1995) og OECD (2008, 2010). De er med til at sikre valide og robuste resultater. Dette kapitel beskriver de overvejelser og datavalg, der er foretaget for at sikre, at effektmålingen følger nyeste metoder i forskningen. 5.1 Kausalitet og brug af kontrolgrupper Effekten af forsknings- og udviklingsinvesteringer og samspil er ofte indirekte og derfor vanskelige at måle og identificere. Det er vanskeligt at isolere den egentlige effekt, som kan være et resultat af mange og forskellige eksterne faktorer. Det er også vanskeligt at identificere kausaliteten. Gennem en sofistikeret etablering af kontrolgrupper på baggrund af oplysninger om virksomhedernes branche, eksport, størrelse, internationalisering, forskningsog udviklingskarakteristika og medarbejdersammensætning etableres grundlaget for at kunne sandsynliggøre, om der er en kausal sammenhæng mellem vidensamspil og effekt samt på spørgsmålet, hvad den isolerede effekt er af vidensamspil målt ved værditilvækst og produktivitet per medarbejder. Derfor var det nødvendigt i kapitel 3 først at gennemføre kausalanalysen, før der i kapitel 4 og 6 gennemføres en analyse af de økonomiske effekter. Generelt baseres analyser af forsknings- og udviklingsinvesteringer på medarbejderproduktivitet udelukkende på forsknings- og udviklingsaktive virksomheder. Hvis virksomheder, der ikke forsker og udvikler, skulle inkluderes i den økonometriske analyse, ville det være nødvendigt at anvende passende metoder til at tage højde for forskelle mellem forsknings- og udviklingsaktive og ikke forsknings- og udviklingsaktive virksomheder. Metoderne er forholdsvis komplekse og kræver en større analyse af de faktorer, der får virksomheder til at vælge enten at investere i forskning og udvikling eller ikke gøre det 18. Derfor undlades denne analyse i denne rapport og på linje med andre lignende analyser omfatter den økonometriske analyse kun virksomheder med forskning og udvikling. 18 Metoderne estimerer tilbøjeligheden for at investere i FoU og estimerer derefter, hvad virksomhedernes FoU-aktiviteter ville have været, hvis de havde valgt at investere i FoU. Disse estimerede værdier kan anvendes i produktivitetsanalysen. Den såkaldte CDM-modellen (Crépon et al., 1998) anvender en lignende tilgang til at analysere forholdet mellem innovation og produktivitet, dog kun delvist. Crépon et al. estimerer tilbøjeligheden til at være innovative for at kontrollere for selektions bias, men inkluderer kun FoU-aktive virksomheder i produktivitetsanalysen. 64

65 Desuden etableres kontrolgruppen alene med udgangspunkt i forsknings- og udviklingsaktive virksomheder. Det skyldes en antagelse af, at vidensamspil ikke er en aktivitet, som alle virksomheder fra den ene dag til den anden kan igangsætte. Derfor bygger analyserne på den antagelse at kun virksomheder, der i forvejen har forsknings- og udviklingsaktiviteter, er disponeret for at indgå i et vidensamspil. Dette er en streng antagelse, som givetvis vil udelukke virksomheder, som var disponeret for vidensamspil. Omvendt er det en konservativ antagelse, som er med til at sikre robusthed i resultater, da bagerforretningen ikke bliver sammenlignet med højteknologiske medicinalvirksomhed. 5.2 Behandling af outliers For at resultaterne er så repræsentative som muligt, bør de økonometriske modeller være i stand til at måle effekter hos en meget bred række virksomheder. Dog kan ekstreme værdier forvrænge effekterne og mindske præcisionen. I nogle tilfælde kan der være argumenter for at fjerne ekstreme værdier. Et eksempel er unge virksomheder, hvor der gennemføres store og risikofyldte investeringer, som påvirker virksomhedernes værditilvækst en kortere periode. Disse virksomheder vil potentielt opleve ekstreme stigninger fra år til år. Desuden har der i data vist sig at være ekstreme værdier målt på virksomhedernes gennemsnitlige produktivitet per medarbejder. I flere tilfælde er der identificeret værdier på mere end 1,5 millioner kroner per årsværk. Disse antages som fejl-registreringer, som enten knytter sig til virksomhedens værditilvækst eller til antallet af årsværk. Uanset hvor fejl-registreringen ligger, så fjernes disse værdier. 5.3 Balancerede paneldata Effekten af virksomhedernes investeringer i forskning og udvikling på værditilvækst og produktivitet per medarbejder er en dynamisk proces og kan variere over tid. Tværsnitsanalyser baseret på et enkelt år er ikke i stand til at analyse variationen over tid. Der kan også være uobserverbare effekter på den enkelte virksomhed, som modellen ikke kan tage højde for. Det argumenterer for at estimere modellen over tid ved brug af panel data (tværsnitsdata over tid) og metoder, som kontrollerer for disse uobserverbare effekter. Store virksomheder er med i forsknings- og udviklingsstatistikken hvert år, mens der udtages en tilfældig stikprøve af små og mellemstore virksomheder. Det medfører et meget ubalanceret panel. For nogle virksomheder er der observationer for alle år, mens for andre er der kun data for én eller få år. På den baggrund er paneldata-sættet konstrueret på følgende måde: Paneldata analysen kan kun foretages på virksomheder med mindst to observationer. For at sikre, at analysen er så repræsentativ som muligt, medtages alle virksomheder med to eller flere observationer. Følgende tilgang anvendes for manglende observationer i tidsserier: Hvis en enkelt observation mangler i en tidsserie, estimeres den enkelte manglende observation. Hvis der mangler to eller flere år i tidsserien, beholdes den seneste sammenhængende del af tidsserien. 65

66 Meget store ændringer i variablerne kan tyde på en sammenlægning eller opsplitning af virksomheden. Disse ændringer kan have en uforholdsmæssig stor effekt på resultaterne. Derfor følger denne rapport metoderne i Hall og Mairesse (1995) og fjerner virksomheder med årlige vækstrater i værditilvækst, anlægsaktiver, antal ansatte eller forsknings- og udviklingskapital, som er mindre end -50 pct. eller større end 300 pct. 5.4 Konstruktion af output variabel og værdifastsættelse Det er ikke altid let at identificere og afgrænse gevinster. Desuden er der forskelligheder i værdifastsættelse afhængig af aktører og interessenter. Et eksempel herpå knytter sig til markedsværdien af virksomheden. Her benyttes markedets værdifastsættelse af den enkelte virksomheds som mål for prisen eller værdien på de samlede håndgribelige og ej-håndgribelige aktiver. Det kræver imidlertid, at de virksomheder, der indgår i analysen, også er børsnoteret. Derfor benyttes denne metode ikke. I stedet anvendes et mål for produktiviteten, som gøres relativt i forhold til arbejdskraftsinput. Målet for produktiviteten er beskrevet i detaljer i appendiks og inkluderer bl.a. omsætning samt udgifter til løn, energi og mellemvare. Ved at gøre målet relativt i forhold til arbejdskraftinput sikres, at effekterne ikke kan tilskrives en uendelig tilførsel af arbejdskraft. 5.5 Modellering af sammenhæng mellem vidensamspil og effekt Effektmåling af vidensamspil er kompleks, da der ikke findes en lineær sammenhæng mellem etablering af et samarbejde og en efterfølgende effekt. Der er derfor en række forhold, som kan gøre det vanskeligt at måle effekten, som bl.a. potentielle tidslags inden effekten indtræder, forskellige udgangspunkt for virksomhederne, forskelle mellem virksomhedernes karakteristika og virksomhedernes erfaringer og kompetencer inden for vidensamspil. De økonometriske modeller, der skal analysere effekten af virksomhedernes vidensamspil med videninstitutionerne, skal derfor kunne tage højde for: Tidsforskydning mellem etablering af et vidensamspil og effekten heraf. Effekten af vidensamspillet med videninstitutioner om forskning og udvikling kan sætte ind med forskellig forsinkelse. Korrektion for virksomhedsforskelle. Virksomhederne i analysen vil variere i forhold til størrelse, branche, markedsforhold, globalisering og andre objektive faktorer. Det er vigtigt at kontrollere for disse faktorer, når effekterne af vidensamspil skal isoleres. For at undgå at nogle af effekterne bliver væk i analyserne, fordi datasættet indeholder mange forskellige virksomheder, hvor der vil være forskellige effekter, vil analyserne både behandle data under ét og inkludere informationer om hver enkelt virksomhed i forhold til dens branche og antal ansatte. Samtidig gennemføres analyserne for forskellige brancher og virksomhedsstørrelser. 66

67 5.6 Spill-over effekter Transaktionsmekanismerne mellem virksomheders forsknings- og udviklingsaktiviteter herunder vidensamspil og deres afkast hertil er kompleks, da der ikke findes en lineær sammenhæng mellem aktiviteter og afkast. F.eks. vil der ved vidensamspil være en gensidig virkning fra forskning til erhvervsliv og tilbage igen. Desuden er der multiple gevinster ved vidensamspillet, som kan være vanskelige at afgrænse og værdifastsætte 19. En af udfordringerne ved at måle effekten af et vidensamspil er, at viden er et ikke-rivaliserende gode. Det betyder, at andre virksomheder eller en offentlige videninstitution kan få værdi af den viden, som andre har produceret. Og hvis denne viden bliver overført via et vidensamspil, så kan den videreføres gennem andre vidensamspil. Faktisk argumenterer en række forskere for, at viden øger sin værdi ved at blive delt og benyttet af flere forskellige aktører. Det får de bl.a. igennem opsamling af viden og ved at ansætte fra andre forsknings- og udviklingsaktive virksomheder ansatte der medbringer viden opnået gennem virksomhedens investeringer i forskning og udvikling. Andre virksomheder vil få en højere marginal indtjening på varen, da den enten er blevet mere effecient at producere og dermed billigere, eller fordi produktionsværdien er øget og derfor kan tage en højere pris. Effekten gælder dog ikke kun for producenten, men for alle led i værdikæden helt ud til detail- eller engroshandleren. Desuden kan den spill-over effekt, der er af viden, skabe såkaldt creative destruction. Her vil innovation og udvikling af nye produkter og services fjerne værdien af eksisterende produkter og service. Derfor har det en negativ indvirkning på effekterne for andre virksomheder. Der skal derfor anvendes andre typer økonomiske modeller, der kan opfange transmissionsmekanismer og spillover-effekter bedre end de mikroøkonomiske modeller kan, hvis den fulde effekt på samfundsøkonomisk niveau skal afdækkes. 19 I OECD sammenhænge anvendes i stigende grad begrebet adfærdsadditionalitet til at måle og definere de multiple gevinster ved vidensamspil. Det er dog stadig yderst vanskeligt at værdifastsætte additionaliteterne. 67

68 68

69 6. HVILKE FAKTORER HAR BETYDNING FOR EFFEKTEN AF OG SANDSYNLIGHED FOR VIDENSAMPIL? > Formålet med dette kapitel er at sandsynliggøre hvilke faktorer, der påvirker, om virksomhederne indgår i et vidensamspil eller ej. Tidligere analyser har påvist, at forskellige forudsætninger og karakteristika hos virksomheder har ganske stor betydning for, om virksomhederne har vidensamspil eller ej. Sandsynliggørelse af hvilke faktorer, der har betydning, spiller direkte ind til de parametre, der indgår i etableringen af kontrolgrupperne i kapitlerne 3-4. Endvidere er det formålet at se på, hvilke faktorer, der er med til at øge effekterne af vidensamspillet. Under antagelse af, at virksomhederne må forventes at handle rationelt, vil de faktorer, der kan påvises at have en positiv betydning for sandsynligheden for at indgå i et vidensamspil, også indgå som forklarende variable i en analyse af de faktorer, der er med til at øge effekterne af et vidensamspil. Resultaterne af analyserne viser: Virksomheder inden for videnservice, højteknologisk fremstillingsindustri samt store virksomheder har størst sandsynlighed for at indgå i et vidensamspil med offentlige videninstitutioner. Sandsynligheden for at indgå i et samspil i form af et forsknings- og udviklingssamarbejde eller køb af forskning og udvikling øges også, hvis virksomhederne øger deres kapacitet for kompetenceniveauet i virksomheden, herunder hvorvidt der er egen forsknings- og udviklingsafdeling og forskere ansat. Produktiviteten per medarbejder for virksomheder, der indgår i et vidensamspil med videninstitutioner, vil være højere for de virksomheder, der har forskere eller højtuddannede ansat, har en forsknings- og udviklingsafdeling samt har eksport. Merværditilvæksten og merproduktiviteten per medarbejder for virksomheder med samspil er i gennemsnit henholdsvis og kr. svarende til 8,8 mio. kr. per virksomhed per år, men hvis virksomhederne har højtuddannede er merproduktiviteten per medarbejder derimod i gennemsnit kr. svarende til 11,4 mio. kr. per virksomhed per år. 6.1 Hvilke faktorer påvirker sandsynligheden for, at virksomhederne deltager i vidensamspil? I dette afsnit præsenteres en analyse af, hvilke faktorer påvirker sandsynligheden for, om virksomheder deltager i vidensamspil med videninstitutioner. For hvert år er der gennemført logistiske regressioner blandt de forsknings- og udviklingsaktive virksomheder. Ved at udelade de ikke forsknings- og udviklingsaktive virksomheder imødekommes den metodiske udfordring, der ligger i, at ikke forsknings- og udviklingsaktive virksomheder ikke kan have et vidensamspil om forskning og udvikling. Resultaterne i denne analyse er i overensstemmelse med de konklusioner, der er draget ved tilsvarende forskningsundersøgelser i Danmark og internationalt Se Graversen og Mark (2003), Bestemmende faktorer for danske virksomheders valg af forskningssamarbejds partnere, for en gennemgang af det teoretiske rationale for virksomheders vidensamspil. 69

70 Analyserne bygger på data for alle forsknings- og udviklingsstatistikker i perioden , og datagrundlaget er således mere omfattende end i de fleste tilsvarende udenlandske analyser. Der findes dog ikke data fra år 2000, hvor der ikke blev gennemført en indsamling af forsknings- og udviklingsstatistikken. Det er forskellige forudsætninger og karakteristika hos virksomhederne, der har betydning for deres vidensamspil. Der findes danske og internationale empiriske analyser, der viser, at virksomhedernes egne kompetencer og absorptionskapacitet bidrager til, at virksomhederne hurtigere forstår, kan indlejre og kommercialiserer den nye viden fra vidensamspillet. Analyserne viser, at virksomhedernes forsknings- og udviklingskapacitet bygger på kontinuerte investering i forskning og udvikling bl.a. gennem en permanent forsknings- og udviklingsafdeling. Hertil kommer, at virksomhedernes absorptionskapacitet bygger på kompetenceniveauet blandt medarbejderne 21. I det følgende præsenteres resultaterne fra de logistiske regressioner. Analyserne er gennemført år for år og separat for virksomhedernes køb og samarbejde med offentlige videninstitutioner. Resultaterne er blevet samlet via en indekseret score. Scoren beregnes med udgangspunkt i årlige regressionsanalyser af sandsynligheden for, at en given virksomhed har vidensamspil. Scoren 5 opnås ved et strengt signifikansniveau (p<0,001), mens p<0,01 giver en score på 3 og p<0,05 giver scoren 2. De insignifikante faktorer får scoren nul, mens et negativt fortegn får minus point efter samme skala. Den samlede score er et simpelt gennemsnit for perioden Resultaterne, der er vist i figur 6.1, giver et billede af, hvilke danske virksomheder, der har vidensamspil med offentlige videninstitutioner. Figur 6.1 Bestemmende faktorer for om danske virksomheder har -3,0-2,0-1,0 0,0 1,0 2,0 3,0 4,0 5,0 Egen FoU-afdeling Højtudd. ansat vidensamspil Forsker Grundforskning FoU-intensitet 2,4 2,6 2,3 2,4 3,6 3,8 3,6 4,2 4, ansatte +250 ansatte 0,1 0,2 4,4 Købt FoU Samspil FoU 5 Eksport 0,3 0,2 Lavteknologisk industri Højteknologisk industri Handel Videnservice ,2 0,4 0,3 2,3 4,4 4,4 21 Se Graversen og Mark (2003), Kastelli m.fl. (2002) 70

71 Virksomheder med egen forsknings- og udviklingsafdeling har i høj grad vidensamspil med offentlige videninstitutioner. De opnår scoren fem 22, hvilket vil sige, at resultaterne er meget signifikante og positive for alle de analyserede år. De køber også forskning og udvikling hos de offentlige videninstitutioner, om end resultatet er mindre signifikant. Resultatet bekræfter både nationale og internationale analyser, der peger på, at forsknings- og udviklingskapacitet er vigtig for, at virksomhederne kan udnytte den viden, der er det centrale i et vidensamspil. Virksomheder med minimum én højtuddannet ansat, har en stor sandsynlighed for at have et forsknings- og udviklingssamarbejde med en videninstitution. Desuden har de en stor sandsynlighed for at købe forskning og udvikling. Resultaterne ændres lidt, hvis der alene fokuseres på, om virksomhederne har forskeruddannede ansat. Her findes en klar forskel mellem at have vidensamspil og købe forskning og udvikling. Samlet viser resultaterne dog at støtte op om litteraturen, der henviser til, at virksomhedernes absorptionskapacitet er væsentlig for deres nytte af et vidensamspil. Et andet mål for virksomheders forskningskapacitet er, hvorvidt de udfører grundforskning. Grundforskning er karakteriseret ved at være uden et klart formål og meget risikofyldt. Derfor vil grundforskningen kræve vedvarende investeringer over en længere tidshorisont. Megen af den viden, der produceres i forbindelse med grundforskning, udvikles på universiteter og højere uddannelsesinstitutioner. Derfor er det ikke overraskende, at virksomheder, der udfører grundforskning, også har vidensamspil med offentlige videninstitutioner. Desuden viser litteraturen, at særlige virksomhedskarakteristika gør sig gældende i forhold til at forklare, hvorvidt virksomheder har vidensamspil med offentlige videninstitutioner eller ej. De forskellige karakteristika knytter sig i denne undersøgelse til den branche, som virksomheden er placeret i, deres størrelse og deres internationalisering. Branche er interessant fordi, der er forskellige konkurrencesituationer på tværs af brancher. Desuden er brancherne karakteriseret ved forskellige viden og teknologiniveauer, som giver virksomhederne forskellig nytte af et vidensamspil. Hvis virksomhederne antages at handle rationelt, vil der således også være en forventelig forskel mellem forskellige brancher. Resultaterne viser, at virksomheder placeret i højteknologisk fremstillingsindustri (kemisk industri, medicinalindustri mv.) eller videnservice (IKT, rådgivende konsulenter mv.) har en højere sandsynlighed for at have vidensamspil. Store virksomheder med mere end 250 ansatte har ligeledes en langt større sandsynlighed end små og mellemstore virksomheder for at have vidensamspil med offentlige videninstitutioner. Det kan hænge sammen med, at virksomhederne besidder de kompetencer, den forsknings- og udviklingskapacitet og absorptionskapacitet, som er grundlaget for at opnå en effekt af vidensamspil, jf. de øvrige resultater. Endvidere vil større virksomheder pr. definition have flere 22 Scoren beregnes med udgangspunkt i årlige regressionsanalyser af sandsynligheden for at en given virksom hed har vidensamspil. Scoren 5 opnås ved et strengt signifikansniveau (p<0,001), mens p<0,01 giver en score på 3 og p<0,05 giver scoren 2. Den samlede score er et simpelt gennemsnit for perioden

72 aktiviteter, hvorfor sandsynligheden for at have vidensamspil med en videninstitution derfor også vil være større. Eksporterende virksomheder har ikke umiddelbart en større sandsynlighed for at have vidensamspil. I appendiks findes en mere udførlig oversigt over resultaterne for de enkelte år, herunder antallet af observationer og test af modellerne. Generelt bygger modellerne på mellem 547 og virksomheder. 6.2 Hvilke faktorer påvirker virksomhedernes produktivitet per medarbejder Formålet med dette afsnit er at se på, hvilke faktorer, der øger effekten af et vidensamspil. Resultaterne af en sådan analyse er interessante, fordi det kan pege på områder og forudsætninger for, at virksomheder oplever en effekt af vidensamspil. Det er ikke sikkert, at det er nok at få virksomhederne til at indgå i et vidensamspil. Der kan således være andre forudsætninger, der gør sig gældende for, at virksomhederne oplever en effekt eller oplever en øget effekt af vidensamspil. Resultaterne bygger på en videreudvikling af regressionsmodellerne, som er præsenteret i kapitel 4. Videreudviklingen består i at introducere interaktionsvariable, som kombinerer effekten af at have vidensamspil med andre relevante faktorer. Andre relevante faktorer dækker over, om virksomhederne har eksport, om de har egen forsknings- og udviklingsafdeling, om de har højtuddannede ansat, om de har forskere ansat, eller om de har modtaget ekstern offentlig finansiering enten fra Danmark eller EU. Introduktion af interaktionsvariable giver mulighed for at analysere effekter af to simultane faktorer samtidig, hvor enten den ene eller den anden faktor i sig selv ikke har en effekt eller kun i begrænset omfang har effekt. Tabel 6.1 viser kun de signifikante resultater fra analyserne. Resultaterne viser, at egen forsknings- og udviklingsafdeling, eksport, og medarbejdernes kompetence medfører større effekt af samspillet, end hvis vidensamspillet udføres uden disse interaktioner. Således har virksomhederne en større produktivitet per medarbejder af vidensamspil, hvis virksomhederne også har deres egen forsknings- og udviklingsafdeling. Større er produktiviteten per medarbejder, hvis virksomheder, der har vidensamspil, også har eksport. Mens produktiviteten per medarbejder er størst, hvis der også er højtuddannede eller forskere ansat i virksomheden. 72

73 Tabel 6.1 Årlige økonomiske effekter af kombinationer af vidensamspil og andre virksomhedsspecifikke faktorer Produktivitet per medarbejder Værditilvækst per virksomhed Vidensamspil kr kr. Vidensamspil og egen forsknings- og udviklingsafdeling kr kr. Vidensamspil og eksport kr kr. Vidensamspil og forskeruddannede ansat kr kr. Vidensamspil og højtuddannede ansat kr kr. Kilde: DAMVAD særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. N: Hver for sig kan de enkelte faktorer have en større eller mindre effekt, men sammen og i kombination giver de en større produktivitet per medarbejder. Således giver det en større produktivitet per medarbejder, hvis virksomhederne også selv har egen forsknings- og udviklingsafdeling, har eksport eller et højt kompetenceniveau. 73

74 74

75 7. OVERSIGT OVER INTERNATIONALE STUDIER OM EFFEKTEN AF VIDENSAMSPIL > Dette kapitel har fokus på de mest centrale danske og internationale analyser af effekter af virksomheders vidensamspil med offentlige videninstitutioner. Formålet med gennemgangen er at kunne sammenligne resultaterne fra denne analyse med andre lignende analyser på området. Især de udenlandske studier illustrerer, at der er to retninger inden for litteraturen: Den ene del af litteraturen analyserer effekten af vidensamspil i virksomhederne. Den anden del af litteraturen analyserer hvilke faktorer, der har betydning for, om virksomhederne har vidensamspil. 7.1 Studier af effekter af virksomheders vidensamspil Generelt findes der ikke mange empiriske studier af effekten af virksomhedernes vidensamspil. Som Belderos m.fl. (2004) angiver: Surprisingly, the key question whether cooperative R&D has the expected positive impact on firms performance has remained largely unexployed. Den litteratur, der fokuserer på effekterne af virksomhedernes vidensamspil, anvender forskellige mål for effekter. Generelt fokuseres der på virksomhedernes performance, men performancemålene dækker et bredt spektrum fra patenter, innovationer, salg af nye produkter og services, pris markup på produkter, generelt omsætning og produktivitet per medarbejder. De mange forskellige effektmål gør det vanskeligt at opnå et egentligt konsensusmål omkring, hvordan effekten af vidensamspil egentlig skal måles. De forskellige mål viser sig også at give forskellige resultater i de empiriske undersøgelser. Der er ikke umiddelbart nogle af de refererede analyser, som analyserer og identificerer kausaliteten, som det er sket i analyserne i denne rapport. Analyserne i de internationale empiriske studier ser på mange forskellige typer effekter. Flere studier ser på effekten på virksomhedernes innovationsevne, idet hovedreglen er, at litteraturen konkluderer, at der generelt er positive effekter i forhold til virksomhedernes innovations performance. Det kan dække effekter på fx patenter eller salg fra nye og innovative produkter. Den internationale litteratur er mindre omfattende og mindre klar i sine konklusioner angående sammenhængen mellem virksomhedernes vidensamspil med offentlige videninstitutioner og omsætning eller produktivitet per medarbejder. Svagheden i nogle af de internationale studier er det begrænsede og sporadiske datagrundlag, hvilket har begrænset muligheden for at analysere mange forskellige hypoteser samt komme frem til statistisk signifikante resultater baseret på et tilstrækkeligt datamateriale med mange observationer. 75

76 TEMA: EFFEKT AF VIDENSAMSPIL PÅ VIRKSOMHEDERNES PRODUKTIVITET DATA OG METODE FORFATTERE PRODUKTIVITETSMÅL OG EFFEKTER Udgangspunkt er nederlandske virksomheder i CIS 2, som har vidensamspil i Vidensamspil kobles med produktivitetsudviklingen fra 1996 til Vidensamspil med konkurrenter, leverandører, kunder samt universiteter og forskningsinstitutioner. Belderbos, Carree og Lokshin (2004) Mål: Arbejdskraft produktivitet og salg af produkter, der er nye for markedet. Effekt: Vidensamspil med universiteter og forskningsinstitutioner giver en effekt på salg af produkter, der er nye for markedet. På baggrund af et innovationsundersøgelse for Korea gennemføres analyser af hvilke faktorer, der påvirker valg af samspilspartnere, og hvad effekten af disse vidensamspil er. Eom og Lee (2010) Mål: Arbejdskraft produktivitet, omsætning patent og innovationsaktiviteter. Effekt: Der findes ingen umiddelbar effekt på virksomhedernes omsætning, arbejdskraft produktivitet og innovationsaktivitet. Der findes dog en effekt på antallet af patenter. Paneldata fra til for indiske virksomheder, hvor effekten af købt forskning og udvikling analyseres. Basant og Fikkert (1996) Mål: Total faktor produktivitet. Effekt: Afkastet for købt forskning og udvikling er højere end egne udgifter til forskning og udvikling. Deltagere i EUREKA og 3. og 4. rammeprogram i EU sammenlignes med lignende virksomheder på arbejdskraft produktivitet, og den premium pris virksomheder tager for deres produkter. Benfratello og Sembenelli (2002) Mål: Arbejdskraft produktivitet og pris markup på produkter. Effekt: Deltagelsen i EUREKA viser sig at have en større effekt på arbejdskraft produktiviteten og den markup som virksomhederne har på deres produkter. Udgangspunktet er information om 455 japanske virksomheder inden for kemisk fremstilling. Baba, Shichijo og Rita Sedita (2009) Mål: Antallet af registrerede patenter. Effekt: Vidensamspil øger antallet af registrerede patenter. På baggrund af forsknings- og udviklingsalliancer, som inkluderer 147 virksomheder, analyserer virksomhedernes performance. Mål: Virksomhedernes investeringer i forskning og udvikling, deres innovationsaktiviteter samt virksomhedernes omsætning. Effekt: Der findes ingen effekt på virksomhedernes omsætning. Til gengæld påvises, at med vidensamspil opnår virksomhederne et højere innovativt output med et mindre input i form af lavere investeringer i forskning og udvikling. Med andre ord får virksomhederne et større innovativt output for hver krone investeret i forskning og udvikling. 76

77 7.2 Studier af de faktorer, som påvirker virksomhedernes sandsynlighed for at have samspil om forskningsaktiviteter Den anden gruppe af litteratur har fokus på, hvilke faktorer der gør, at virksomheder har vidensamspil. Der findes efterhånden en ganske betydelig mængde litteratur på området, og de mange analyser benytter sig af de samme datakilder, metoder og forudsætninger. Datamæssigt benytter analyserne sig af data indsamlet som en del af Community Innovation Survey (CIS) initieret af EUROSTAT og integreret i efterhånden en række lande også udenfor EU27. Det er således Oslo-manualen og dens retningslinjer, der sætter rammen for indsamlingen af data. Alternativt er det data, som er indsamlet med udgangspunk i Frascati-manualen. I Danmark er der de senere år lavet en årlig CIS-undersøgelse, mens der i de fleste andre europæiske lande laves en CIS-undersøgelse hver andet år. Der er tale om mikrodata fra repræsentative spørgeskemaundersøgelser på nationalt niveau. Det er derfor muligt for forskere at anvende økonometriske metoder, der behandler mikrodata. De fleste anvender en model, hvor vidensamspillet modelleres som en enten eller variabel. Det giver mulighed for at anvende forskellige modeller, der anvender binomiale regressioner. En helt central forudsætning for disse analyser og vigtigheden af resultaterne er, at det er privatøkonomisk eller samfundsøkonomisk rentabelt at have vidensamspil. Det er en forudsætning, som analyserne mere eller mindre ukritisk ligger til grund for relevansen af deres resultater. I denne gruppe litteratur er der således ingen analyser af effekterne af dette vidensamspil. Resultaterne i de internationale studier er på mange måder på linje med resultaterne i denne analyse. Især er det faktorer som virksomhedens forsknings- og udviklingskapacitet, virksomhedsstørrelse samt hvor videntung/højteknologisk, produktionen er, som medfører signifikans i analyserne. I nedenstående skema er ses resultater, data og metoder af en række internationale studier af de faktorer, som er afgørende for virksomhedernes sandsynlighed for at indgå i vidensamspil om forskning og udvikling. 77

78 TEMA: HVILKE FAKTORER BESTEMMER VIDENSAMSPIL? DATA OG METODE FORFATTERE FAKTORER DER BESTEMMER VIDENSAMSPIL På baggrund af innovative spanske virksomheder fra CIS 3 undersøgelsen gennemføres logistiske regressioner for at afgrænse de faktorer, der beskriver, om virksomheder har vidensamspil om forskning og udvikling Segarra-Blasco og Arauzo-Carod (2008) Virksomheders karakteristika herunder forsknings- og udviklingsintensitet, antal ansatte, del af en koncern, er innovativ og har adgang til offentlige forskningsmidler. På baggrund af et innovationsundersøgelse for Korea gennemføres analyser af hvilke faktorer, der påvirker valg af samspilspartnere, og hvad effekten af disse vidensamspil er. Eom og Lee (2010) Traditionelle karakteristika såsom størrelse og forsknings- og udviklingsintensitet har ingen effekt på vidensamspil. Det har derimod deltagelse i nationale forskningsprogrammer. På baggrund af CIS data fra Belgien analyseres hvilke faktorer, der bestemmer, om virksomheder har Vidensamspil med universiteter. Der tages i modellerne højde for om virksomhederne har egen forskning og udvikling, samarbejder med andre og har en specifik forskningsstrategi. Veugelers og Cassiman (2005) Store virksomheder og virksomheder inden for kemisk fremstilling (herunder medicinalindustrien) har oftere vidensamspil om forskning og udvikling. Desuden er muligheden for at mindske omkostninger ved forskningsog udviklingsprojekter med til at øge sandsynligheden for at virksomhederne har Vidensamspil med universiteter. På baggrund af CIS data fra Nederlandene og Finland analyseres internationaliserings perspektivet i videndeling via vidensamspil mellem nationalt og udenlandsk baseret virksomheder i forhold til de nationale universiteter. Van Beers, Berghall og Poot (2008) Virksomhederne vælger i højere grad at have vidensamspil med de universiteter, hvor de forstår sproget. Det vil sige, at de nationale virksomheder samarbejder med de nationale forskningsinstitutioner, mens de internationale virksomheder har samarbejder med internationale universiteter. På baggrund af data fra CIS2 i UK analyseres vidensamspilsmønstre for innovative virksomheder. Tether (2002) Analyserne viser, at jo mere videntung innovation virksomhederne udfører, jo større er deres sandsynlighed for at have et vidensamarbejde. 78

79 79

80 REFERENCER > Baba, Shichijo og Rita Sedita (2009), How do collaborations with universities affect firms innovative performance? The role of Pasteur scientists in the advanced materials field, Research Policy, Vol. 38, issue 5, side Basant og Fikkert (1996), The Effects of R&D, Foreign Technology Purchase, and Domestic and International Spillovers on Productivity in Indian Firms, The Review of Economics and Statistics, Vol. 78, No.2, side Bayona m.fl. (2001), Firms motivations for cooperative R&D: an empirical analysis of Spanish firms, Research Policy, Vol.30, side Belderbos m.fl. (2004), Cooperative R&D and firm performance, Research Policy, Vol. 33, issue 10, Dec 2004, side Benfratello og Sembenelli (2002), Research joint ventures and firm level performance, Research Policy, Vol. 31, issue 4, side Cassiman og Veugelers (1998), R&D cooperation and spillovers: Some empirical evidence, Economics WP 328, Department of Economic and Business, Universitat Pompeu Fabra Crépon m.fl. (1998), Research, Innovation, and Productivity: An Econometric Analysis at the Firm Level, Economics of Innovation and New Technology, No.7, side D Aspremont og Jacquemin (1988), Cooperative and noncooperative R&D in duopoly with spillovers, AER, Vol. 78, issue 5, side Eom og Lee (2010), Determinants of industry-academy linkages and, their impact on firm performanca: The case of Korea as a latecomer in knowledge industrialization, Research Policy, Vol. 39, side Forsknings- og Innovationsstyrelsen (2008) Effektmåling af forsknings- og innovationssamarbejder fokus på innovationskonsortier, Forsknings- og Innovationsstyrelsen, Innovation: Analyse og evaluering 2008 Forsknings- og Innovationsstyrelsen (2009) Analyse af forsknings- og udviklingssamarbejde mellem virksomheder og videninstitutioner, Forsknings- og Innovationsstyrelsen, Innovation: Analyse og evaluering 03/2009 Forsknings- og Innovationsstyrelsen (2010), Produktivitetseffekter af erhvervslivets forskning, udvikling og innovation Forsknings- og Innovationsstyrelsen (2010) The Innovation Consortium Scheme an analysis of Firm Growth Effects, Forsknings- og Innovationsstyrelsen, Innovation: Analyse og evaluering 03/

81 Forsknings- og Innovationsstyrelsen (2011) Analysis of the Industrial PhD Programme, Forsknings- og Innovationsstyrelsen, Innovation: Analyse og evaluering 01/2011 Graversen og Mark (2005), Forskning og Udviklingsarbejdes påvirkning af produktivitet og beskæftigelse, Dansk Center for Forskningsanalyse, Aarhus Universitet, Rapport 2005/1 Graversen og Mark (2003), Bestemmende faktorer for danske virksomheders valg af forskningssamarbejdspartnere, Nationaløkonomisk Tidsskrift 141, side Hagedoorn (1993), Understanding the rationale of strategic technology partnering: interorganizational modes of cooperation and sectoral differences, Strategic management journal. Vol. 15, side Kastelli m.fl. (2004), Cooperative R&D as a means for knowledge creation, International Journal of Technology Management, Vol. 27, Number 8, side Loecker, Jan, (2007): Do exports generate higher productivity? Evidence from Slovenia, Journal of International Economics Vol. 73, side Mairesse, Jacques og Hall, Bronwyn Hughes, (1995), Exploring the Relationship Between R&D and Productivity in French Manufacturing Firms OECD (2008), OECD Information Technology Outlook 2008 OECD Science (2008), Technology and Industry Outlook 2008 OECD (2010), Measuring Innovation A New Perspective Polt m.fl. (2001), Benchmarking Industry-Science Relations The Role of Framework Conditions, Financial Report. European Commission, Enterprise DG, Benchmarking Coordination office Robertson og Gatingnon (1998), Technology development mode: a transaction cost conceptualization, Stategic management journal, Vol. 19, side Rogers, Mark (2006), Estimating the Impact of R&D on Productivity using the BERD-ARD Data., Oxford University Segarra-Blasco og Arauzo-Carod (2008), Sources of innovationn and industriuniversity interaction: Evidence from Spanish firms, Research Policy, Vol. 37, issue 8, side Solow, Robert M, (1957) Technical Change and the Aggregate Production Function, The Review of Economics and Statistics, Vol. 39, No. 3. (Aug., 1957), side

82 Tether, Bruce S., (2002), Who co-operates for innovation, and why: An empirical analysis, Research Policy, Vol. 31, issue 6, Aug 2002, side Van Beers, Berghall og Poot (2008), R&D collaboration and public knowledge institutions in small economies: evidence from Finland and the Netherlands, Research Policy, Vol. 37, issue 2 Veugelers, Reinhilde og Cassiman, Bruno, (2005), R&D cooperation between firms and universities. Some empirical evidence from Belgian manufacturing, International Journal of Industrial Organization, Vol. 23, issues 5-6, side Vinding (2002), Absorptive capacity and innovative performance: A human capital approach. Kapitel 7 i Interorganisational Diffusion and Transformation of Knowledge in the Process of Product Innovation., Institut for Erhvervsstudier, Ålborg Universitet 82

83 83

84 APPENDIKS: DATA OG METODER A.1 Metoder > Denne rapport anvender en række forskellige økonometriske metoder. I det følgende beskrives de forskellige metoder, der anvendes i hvert af de tre analysekapitler. I det følgende beskrives følgende metoder: Propensity Score Matching, som anvendes til at etablere og afgrænse treatment og kontrolgrupper i analyserne af kausal sammenhæng, som gennemføres i kapitel 3. Difference-in-difference, som anvendes til at beregne forskelle i udviklingen i produktiviteten per medarbejder hos treatment og kontrolgruppen. Difference-in-difference anvendes i kapitel 3. Cobb Douglas produktivitetsfunktion, som anvendes til at sætte kroner og øre på effekterne af virksomhedernes vidensamspil i form af øget produktivitet per medarbejder. Produktivitetsfunktionen modelleres som en OLS-regression og anvendes i kapitel 4 og 6. Sandsynlighedsmodeller for virksomhedernes vidensamspil, som anvendes til at identificere de faktorer, der har betydning for, om de forskningsog udviklingsaktive virksomheder indgår i et vidensamspil med offentlige videninstitutioner. Sandsynlighedsmodellerne opstilles som logistiske regressioner og anvendes i forbindelse med Propensity Score Matching i kapitel 3 og 4. A.1.1 Propensity score matching metode I kapitel 2 og 4 anvendes propensity score metoden til at matche virksomheder, som har indgået i vidensamspil med offentlige videninstitutioner med lignende virksomheder, som ikke har indgået i et vidensamspil. Matchingmetoden tager udgangspunkt i en estimation af sandsynligheden for at indgå i vidensamspil, hvilket undersøges med en logistisk regressionsmodel, som relaterer sandsynligheden for vidensamspil med en lang række forklarende faktorer. De forklarende variable, som indgår i modellen er: branche, størrelse, eksport orientering, uddannelse og egen forsknings- og udviklingsafdeling. Den logistiske regression opstilles derfor til at estimere følgende betingede sandsynlighed:, hvor T=1 indikerer vidensamspil. Denne analyse anvender en opdeling på fem forskellige brancher og fire forskellige virksomhedsstørrelser. Kapitel 4 indeholder en oversigt over de forklarende variable, som er medtaget i den logistiske regressionsmodel, og som derfor ligger til grund for estimeringen af propensity scoren. Den predikterede sandsynlighed fra den logistiske regressionsmodel fortolkes som propensity scoren og angiver derved den modelspecificerede sandsynlighed for, at en virksomhed har vidensamspil betinget på de forklarende faktorer. Matchingen mellem virksomheder med og uden vidensamspil foretages på baggrund af propensity scoren efter nearest neighbour princippet. Denne metode 84

85 går ud på, at anvende propensity scoren til at matche virksomheder med vidensamspil med virksomheder uden vidensamspil én-til-én således, at virksomheder i ét match har ligesom propensity score. A.1.2 Difference-in-difference metode Metoden til difference-in-difference metoden bygger dybest set på en sammenligning af ændringer i et output. I denne analyse er det ændringer i produktivitet per medarbejder for treatment virksomheder sammenlignet med virksomheder i kontrolgruppen. Modellen i denne analyse ser derfor ud som følger: Hvor det symbol, som står til højre for lighedstegnet i formlen ovenover er effekten, som beregnes ud fra forskellen mellem udviklingen i produktivitet per medarbejder hos treatmentgruppen, defineret som produktivitet per medarbejder i tid 1 fratrukket produktivitet per medarbejder i tid 0 og udviklingen i produktivitet per medarbejder hos kontrolgruppen, defineret som produktivitet per medarbejder i tid 1 fratrukket produktivitet per medarbejder i tid 0. Hvorvidt der så er en signifikant forskel mellem de to grupper, testes efterfølgende via standard t-tests. A.1.3 Produktivitetsfunktion Produktivitet eller økonomisk performance er i denne analyse produktivitet per medarbejder i virksomheder. En sådan værditilvækst bliver typisk modelleret i en klassisk Cobb-Douglas produktionsfunktion, hvor eksponenterne summer til 1: Hvor Q er værditilvækst, A er TFP (totalfaktorproduktivitet), K er fysisk kapital, L er arbejdskapital og R et mål for forskningskarakteristika herunder vidensamspil, forsknings- og udviklingskapacitet, absorptionskapacitet mv. Det er værd at notere, at definitionerne af de enkelte parametre ændre sig givet datagrundlaget og analysen. Det vil sige, at udgangspunktet for modellerne er ens i kapitel 4 og 6, men selve modelspecifikationerne skifter mellem de forskellige analyser, der gennemføres i de to kapitler. A.1.4 Sandsynlighedsmodel for vidensamspil Den binære modellering er i denne opgave knyttet til den forklaret variabel; samspil. Samspil har udfaldsrummet 0 (ej samspil) og 1 (samspil). Givet at x er en vektor af en forklarende variabel, så kan sandsynligheden for udfaldet samspil modelleres som En logistisk modellering vil således have følgende form: Hvor er en konstant, og er en vektor af koefficienter for den forklarende variabel x. De forklarende variable. 85

86 A.2 Data I denne analyse tages der udgangspunkt i data fra de danske forsknings- og udviklingsstatistikker i perioden 1997 til Desuden tilkobles virksomhedsdata fra regnskabsstatistikkerne fra 1999 til 2008 samt uddannelsesdata fra samme periode. Grundlaget er forsknings- og udviklingsstatistikkerne og de virksomheder, der indgår heri, er blevet matchet med regnskabsdata. Der er således en række virksomheder, der indgår i regnskabsstatistikkerne, der ikke er med i denne analyse, fordi de ikke indgår i populationen til forsknings- og udviklingsstatistikkerne. Desuden er DAMVADs samspilsdata bragt i anvendelse i analyserne. Det givet et samlet database, som illustreret i nedenstående figur. Forsknings- og innovationsstatistikker Regnskabsstatistikkker Uddannelsesstatistikkker SAMLET DATABASE Regnskabsoplysninger Medarbejderoplysninger FoU-samspil DNA for virksomheders FoU-aktiviteter DAMVADs Samspilsdatabase Forsknings- og udviklingsstatistikken Forsknings- og udviklingsstatistikken dækker danske virksomheders forskningsog udviklingsaktiviteter i perioden Statistikken bygger på et spørgeskema, som virksomhederne besvarer. Tabel A.1 angiver de brancher samt det minimum antal ansatte, som er omfattet af forsknings- og udviklingsstatistikken. Analysen omfatter alle virksomheder med 250 eller flere ansatte i de inkluderede brancher. For virksomheder med under 250 ansatte udtages en tilfældig stikprøve. 86

87 Tabel A.1 Udvalgte branchegrupper og minimumsstørrelse for udtræk til at være omfattet af forskningsstatistikken ANALYSE BIPRODUKT Primære erhverv Fremstilling/forsyning Bygge- og anlæg Engroshandel 51 6 Detailhandel Transport m.v , 75.25, Finansiel virksomhed ( ) 6 IT- og forskning- og udviklingservice Advokater/revisorer Anden videnservice , Kommunikation 64.2, Anden forretningsservice Kilde: Metodeafsnit fra Erhvervslivets forsknings- og udviklingsstatistik , Danmarks Statistik. I spørgeskemaerne bliver virksomhederne bedt om at angive, hvorvidt de har købt forskning og udvikling. Købene fordeles på: Nationale og internationale virksomheder Nationale og internationale højere læreanstalter og universiteter Teknologiske serviceinstitutter Øvrige offentlige forskningsinstitutioner. Fra 1999 inkluderes et spørgsmål om virksomhedernes konkrete vidensamspil. Spørgsmålet har været under løbende udvikling, men dækker fra 1999 formelt forsknings- og udviklingssamarbejde mellem virksomheden og: Andre virksomheder i samme koncern i Danmark, EU og udenfor EU Andre virksomheder i Danmark, EU og udenfor EU Universiteter i Danmark, EU og udenfor EU Andre offentlige / private forskningsinstitutioner i Danmark, EU og udenfor EU 87

88 Fra 2001 udvides spørgsmålet til også at omfatte de Godkendte Teknologiske Serviceinstitutter og fra 2003 har spørgsmålet også fokus på virksomhedens værdikæde ved at omfatte spørgsmål om forsknings- og innovationssamspil leverandører og kunder. Desuden belyser forsknings- og udviklingsstatistikken relevante faktorer, der er med til at nuancere, hvorfor og under hvilke omstændigheder et vidensamspil giver vækst: Forsknings- og udviklingsintensitet målt på f.eks. forsknings- og udviklingsinvesteringer per ansat eller forsknings- og udviklingspersonale per ansat. Forskningsberedskab i form af egen forsknings- og udviklingsafdeling. Det er en indikator på virksomhedernes absorptionskapacitet. Er der ansat egentlige forskere i virksomheden, og hvor stor en andel af de ansatte er forskere. Begge faktorer vil ligeledes kunne indgå, som indikatorer på virksomhedernes absorptionskapacitet. Hvilke teknologiområder foregår forskningen inden for. Er forskningen grundforskning, anvendt forskning eller udviklingsarbejde. Er forskningen rettet mod produkter, processer eller generel videnopbygning. Regnskabsstatistik Regnskabsstatistikken bygger på FIDA-registeret, som indeholder oplysninger om virksomheders økonomi og regnskabsmæssige forhold. Der er tale om en statusopgørelse, som fortages ultimo november. Alle virksomheder, som er registreringspligtige i henhold til lovgivningen, indgår i FIDA, og dækningsgraden er derfor tæt på 100 procent. Regnskabsoplysninger fra virksomhederne indsamles hvert år og muliggør derfor at sammensætte et detaljeret paneldata, hvor nøgletal for virksomhedernes regnskab kan følges over tid. Uddannelsesregisteret Uddannelsesregisteret indeholder oplysninger om hver enkelt uddannelse, som Danmarks Statistik modtager indberetninger om. Uddannelser kan skifte navn over tid, hvor registeret indeholder information om uddannelsers aktuelle placering i uddannelsessystemet. 88

89 Samspilsdatabasen DAMVAD har udviklet en samspilsdatabase, der dækker projekter i alle større forsknings- og innovationspuljer, herunder f.eks. Innovationskonsortier, Strategisk forskning, EU-forskning, EUDP, Innovationsloven mv. Databasen indeholder bevillinger til projekter typisk inden for Sammenlagt er der gennemgået mere end projekter, som inkluderer knap danske projektdeltager. Der indgår ca unikke virksomheder i databasen, hvoraf størstedelen af virksomhederne vil kunne genfindes i Forsknings- og udviklingsstatistikken, hvilket muliggør kobling mellem Samspilsdatabasen og forsknings- og udviklingsstatistikken gennem CVR-nr. Det muliggør en unik anvendelsesmulighed af databasen i forhold til denne analyse. Deskriptiv statistik Nedenstående tabel giver en oversigt over antallet af observationer, som denne analyse bygger på. Tabel A.2 Fordeling af observationer over tid. FUI-STATISTIK STIKPRØVE REGNSKABSSTATISTIK REGISTERDATA UDDANNELSES- STATISTIK REGISTERDATA Ej anvendt Ej anvendt Ej anvendt Ej anvendt N/A Ej anvendt Antal unikke virksomheder Kilde: Særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. Endvidere vises deskriptiv statistik for sammensætning af virksomheder med og uden vidensamspil efter gennemførelsen af matchingproceduren. Deskriptiv statistik angives for hver type af vidensamspil for virksomheder i treatment- og kontrolgruppen. Eftersom matchingproceduren foretages på baggrund af et samlet udtryk for de virksomhedsspecifikke faktorer, kan der forekomme forskelle mellem de to grupper ved enkel karakteristika. 89

90 Tabel A.3 Deskriptiv statistik for vidensamspil med offentlige videninstitutioner TREATMENT KONTROL Brancher Lavteknologisk fremstilling Højteknologisk fremstilling Handel Videnservice Øvrig Total Størrelse (antal årsværk) < > Total Andel højtuddannede beskæftigede 82,3% 69,4% Forsknings- og udviklingsafdeling 49,9% 22,9% Forsknings- og udviklingsudgifter (mio. kr.)* 3,82 1,70 Andel forsknings og udviklings-beskæftigede 16,3% 12,6% Ekstern forskning og udvikling finansiering (mio. kr.) 1,162 0,228 Antal observationer Kilde: Særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. Note: * Gennemsnitlige forskning og udvikling udgifter uden de 10 procent største. 90

91 Tabel A.4 Deskriptiv statistik for vidensamspil med universiteter TREATMENT KONTROL Brancher Lavteknologisk fremstilling Højteknologisk fremstilling Handel Videnservice Øvrig Total Størrelse (antal årsværk) < > Total Andel højtuddannede beskæftigede 82,3% 69,4% Forsknings- og udviklingsafdeling 49,9% 22,9% Forsknings- og udviklingsudgifter (mio. kr.)* 4,80 2,02 Andel forsknings- og udviklingsbeskæftigede 16,8% 12,1% Ekstern forskning og udvikling finansiering (mio. kr.) 1,672 0,247 Antal observationer Kilde: Særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. Note: * Gennemsnitlige forskning og udvikling udgifter uden de 10 procent største. 91

92 Tabel A.5 Deskriptiv statistik for vidensamspil med GTS institutter TREATMENT KONTROL Brancher Lavteknologisk fremstilling Højteknologisk fremstilling Handel Videnservice Øvrig Total Størrelse (antal årsværk) < > Total Andel højtuddannede beskæftigede 82,3% 82,2% Forsknings- og udviklingsafdeling 49,9% 52,5% Forsknings- og udviklingsudgifter (mio. kr.)* 6,79 2,63 Andel forsknings- og udviklingsbeskæftigede 20,6% 14,0% Ekstern forskning og udvikling finansiering (mio. kr.) 2,444 0,313 Antal observationer Kilde: Særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. Note: * Gennemsnitlige forskning og udvikling udgifter uden de 10 procent største. 92

93 Tabel A.6 Deskriptiv statistik for køb af forskning og udvikling af offentlige videninstitutioner TREATMENT KONTROL Brancher Lavteknologisk fremstilling Højteknologisk fremstilling Handel Videnservice Øvrig Total Størrelse (antal årsværk) < > Total Antal højtuddannede beskæftigede 67,6% 64,3% Forsknings- og udviklingsafdeling 15,7% 15,2% Forsknings- og udviklingsudgifter (mio. kr.)* 1,24 1,03 Andel forsknings- og udviklingsbeskæftigede Ekstern forskning og udvikling finansiering (mio. kr.) 9,2% 9,3% 0,221 0,410 Antal observationer Kilde: Særkørsel på data fra Erhvervslivets forsknings- og udviklingsstatistik , Erhvervslivets innovationsstatistik 2000, 2004 og 2006 og regnskabsstatistikkerne fra Danmarks Statistik. Note: * Gennemsnitlige forskning og udvikling udgifter uden de 10 procent største. 93

94 Tabel A.7 Bestemmende faktorer for virksomheders vidensamspil om forskning og udvikling VIDENSAMSPIL 2001 VIDENSAMSPIL 2001 VIDENSAMSPIL 2003 VIDENSAMSPIL 2005 VIDENSAMSPIL 2007 Egen forsknings- og udviklingsafdeling Højtuddannede ansat + (***) + (***) + (***) + (***) + (***) + (***) + (***) + (***) + + (**) Forsker ansat + (***) + (**) + (***) + (***) + (**) Udfører grundforskning + (***) + (**) + (*) + (***) + (**) Forsknings- og udviklingsintensitet + (**) + (*) + (**) + (**) + (**) Under 50 ansatte Ref. Ref. Ref. Ref. Ref ansatte ansatte + (***) + (***) + (***) + (***) + (***) Lavteknologisk fremstilling Højteknologisk fremstilling (*) (*) + (**) + (***) + (***) + (*) Handel Videnservice + (**) + (**) + (***) + (***) + (**) Øvrige Ref. Ref. Ref. Ref. Ref. Antal observationer Test: R 2 0,26 0,32 0,22 0,17 0,25 Goodness of fit + (**) +(*) + (**) + + Note: Signifikansniveau er angivet ved følgende: * 5pct., ** 1pct. og *** <1pct. Note: + angiver en positiv sammenhæng, - angiver en negativ sammenhæng Nore: angiver at oplysningen ikke er tilgængelig 94

95 Tabel A.8 Bestemmende faktorer for virksomheders køb af forskning og udvikling KØBT FOU 1997 KØBT FOU 1998 KØBT FOU 1999 KØBT FOU 2001 KØBT FOU 2002 KØBT FOU 2003 KØBT FOU 2004 KØBT FOU 2005 KØBT FOU 2006 KØBT FOU 2007 Egen forsknings- og udviklingsafdeling - (***) + (***) + (***) + (***) + (***) + (***) + (***) Højtuddannede ansat + (***) + (***) + (***) + (***) + (***) + (***) + (***) + (***) + (***) + Forsker ansat + (**) + (**) + (**) + (**) + (*) + (**) Udfører grundforskning + (*) + (**) + (**) + (**) + (**) Forsknings- og udviklingsintensitet + (**) + (**) + (*) + (**) + (**) Under 50 ansatte Ref. Ref. Ref. Ref. Ref. Ref. Ref. Ref. Ref. Ref ansatte + + (**) (*) +250 ansatte + (***) + (***) + (***) + (***) + (**) + (**) + (***) + (***) + (***) + (***) Lavteknologisk fremstilling Højteknologisk fremstilling + - (**) (*) (*) + (***) + (**) + + (***) + (***) - Handel + - (***) - (**) (***) - (**) - - Videnservice + (**) (*) Øvrige Ref. Ref. Ref. Ref. Ref. Ref. Ref. Ref. Ref. Ref. Antal observationer Test: R 23 0,14 0,19 0,12 0,017 0,08 0,08 0,10 0,13 0,03 0,15 Goodness of fit + (**) +(*) + (***) (**) +(*) + + Note: Signifikansniveau er angivet ved følgende: * 5pct., ** 1pct. og *** <1pct. Note: + angiver en positiv sammenhæng, - angiver en negativ sammenhæng Nore: angiver at oplysningen ikke er tilgængelig 23 GTS is a group of 9 private research institutions with public funding aimed at building up and disseminating knowledge to companies. 95

96 96

97 PUBLIKATIONER FRA FORSKNINGS- OG INNOVATIONSSTYRELSEN i serien Innovation: Analyse og evaluering > /2009 Effektmåling af innovationsmiljøernes støtte til danske iværksættere 02/2009 Rammer for innovativ IKT-anvendelse erfaringer fra Den Regionale IKTsatsning 03/2009 Analyse af forsknings- og udviklingssamarbejde mellem virksomheder og videninstitutioner 04/2009 International Evaluation of the Danish GTS-system A step beyond 05/2009 Proof of concept-finansiering til offentlige forskningsinstitutioner Midtvejsevaluering 06/2009 Mapping of the Danish knowledge system with focus on the role and function of the GTS-net 07/2009 International Comparison of Five Institute Systems 08/2009 Review of science and technology foresight studies and comparison with GTS /2009 Analyse af små og mellemstore virksomhe ders internationale FoU-samarbejde 10/2009 Ikt-anvendelse og innovationsresultater i små og mellemstore virksomheder 11/2009 Virksomhedernes alternative strategier til fremme af privat forskning, udvikling og innovation 12/2009 Rådet for Teknologi og Innovation måler sin indsats inden for metrologi i perioden /2009 Kommercialisering af forskningsresultater - Statistik /2009 Erhvervslivets forskning, udvikling og in novation i Danmark 2009 Den økonomiske krises betydning 15/2009 Finanskrisens påvirkning på IT-startups 16/2009 Universiteternes Iværksætterbarometer /2009 Kortlægning af iværksætter- og entreprenør skabsfag ved de 8 danske universiteter /2009 The Gazelle Growth Programme Mid Term Evaluation 19/2009 Nye former for samarbejde om privat forskning, udvikling og innovation - midtvejsevaluering af åbne midler 20/2009 Innovationsagenter - Nye veje til innovation i små og mellemstore virksomheder. Erfaringer fra midtvejsevaluering af pilotprojektet Regionale Innovationsagenter 21/2009 Forskning, udvikling og innovation i små og mellemstore virksomheder - erfaringer fra midtvejsevaluering af videnkuponer 22/2009 Dansk innovationspolitik 2009 Den økonomiske krises betydning for fremme af erhvervslivets forskning, udvikling og innovation 23/2009 Serviceinnovation og innovationsfremmesystemet 24/2009 Performanceregnskab for Videnskabsministeriets innovationsnetværk /2009 Performanceregnskab for innovationsmiljø erne /2010 Produktivitetseffekter af erhvervslivets forsk ning, udvikling og innovation 02/2010 Erhvervslivets forskning, udvikling og innovation i Danmark

98 > 03/2010 An Analysis of Firm Growth Effects of the Danish Innovation Consortium Scheme 04/2010 Effektmåling af videnpilotordningens betydning for små og mellemstore virksomheder 05/2010 InnovationDanmark resultater og evalueringsstrategi 06/2010 Kommercialisering af forskningsresultater - Statistik /2010 Performanceregnskab for Videnskabsministeriets GTS-net /2010 Innovationsnetværk Danmark - Performanceregnskab /2010 Performanceregnskab for Videnskabsministeriets Innovationsmiljøer /2010 Universiteternes Iværksætterbaromenter /2010 Brugerundersøgelse af GTS-institutterne /2011 Analysis of Danish innovation policy - The Industrial PhD Programme and the Innovation Consortium Scheme 02/ /2011 Erhvervslivets forskning, udvikling og innovation i /2011 Evaluering af GTS-instituttet DHI 05/2011 Evaluering af GTS-instituttet Bioneer 06/2011 Evaluering af GTS-instituttet FORCE Technology 07/2011 Erhvervslivets Outsourcing af FoU 08/2011 Innovationsmiljøernes Performanceregnskab 09/2011 Performanceregnskab for Videnskabsministeriets Innovationsmiljøer /2011 GTS performanceregnskab 11/2011 Kommercialisering af forskningsresultater Statistik 2010 (Public Research Commercialisation Survey Denmark 2010) 2/2011 Evaluering af GTS-instituttet DELTA 13/2011 Evaluering af GTS-instituttet DBI 14/2011 Evaluering af GTS-instituttet Teknologisk Institut 15/2011 Impact Study of Eureka Projects 16/2011 Benchmarking of Cluster Policies in Europe 17/2011 Nordic-German-Polish Cluster Policy Benchmarking 18/2011 Impact Study: The Innovation Network Programme 19/2011 Universiteternes Iværksætterbarometer /2011 Access to Research and Technical Information in Denmark 98

99

100