A Smooth Dynamic Network Model for Patent Collaboration Data

Bauer, Verena; Harhoff, Dietmar; Kauermann, Göran

doi:10.1007/s10182-021-00393-w

Datensatz

DATENSATZ AKTIONENEXPORT

Zur Ablage hinzufügen

Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben

Zeitschriftenartikel

A Smooth Dynamic Network Model for Patent Collaboration Data

MPG-Autoren

/persons/resource/persons130171

Harhoff, Dietmar
MPI for Innovation and Competition, Max Planck Society;

Externe Ressourcen

https://arxiv.org/pdf/1909.00736.pdf
(Preprint)

Volltexte (beschränkter Zugriff)

Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.

Volltexte (frei zugänglich)

Es sind keine frei zugänglichen Volltexte in PuRe verfügbar

Ergänzendes Material (frei zugänglich)

Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar

Zitation

Bauer, V., Harhoff, D., & Kauermann, G. (2022). A Smooth Dynamic Network Model for Patent Collaboration Data. AStA - Advances in Statistical Analysis, 106, 97-116. doi:10.1007/s10182-021-00393-w.

Zitierlink: https://hdl.handle.net/21.11116/0000-0007-E9A2-B

Zusammenfassung

The development and application of models, which take the evolution of networks with a dynamical structure into account are receiving increasing attention. Our research focuses on a profile likelihood approach to model time-stamped event data for a large-scale network applied on patent collaborations. As event we consider the submission of a joint patent and we investigate the driving forces for collaboration between inventors. We propose a flexible semiparametric model, which allows to include covariates built from the network (i.e. collaboration) history.