Please use this identifier to cite or link to this item: https://hdl.handle.net/10419/300235 
Year of Publication: 
2024
Series/Report no.: 
ifh Working Paper No. 45/2024
Publisher: 
Volkswirtschaftliches Institut für Mittelstand und Handwerk an der Universität Göttingen (ifh), Göttingen
Abstract: 
In order to better capture non-R&D based processes related to Learning by Doing, Using and Interacting (DUI) as a basis for policy advice, this paper empirically identifies DUI mode drivers of SME innovation. For the first time, a large set of conceptually derived indicators is used in a self-conducted survey. Using lasso regression as a data-driven selection technique capable of handling such a large number of potential predictors, we find that DUI learning involves a wide range of elements beyond interaction with external actors. Moreover, our results suggest that the relevance of DUI learning for predicting SME innovation depends on both the region and the type of innovation output. SME innovation in lagging regions is strongly related to the DUI mode, which is particularly pronounced in the case of intra-firm learning processes. These results suggest that R&D capacity is not the only main driver of SME innovation, especially in lagging regions, and therefore provide an indication of how firms can compensate for unfavourable conditions in their regional innovation environment. This in turn implies going beyond innovation policy in the narrow sense to a more holistic approach that may include links with other policy areas.
Abstract (Translated): 
Um die nicht auf formaler Forschung und Entwicklung (FuE) basierenden Prozesse im Zusammenhang mit dem handwerksnahen Innovationsmodus des "Learning by Doing, Using and Interacting (DUI)" als Grundlage für die Gestaltung innovationspolitischer Maßnahmen besser zu erfassen, werden in diesem Forschungspapier die DUI-Treiber von Innovationen in kleinen und mittleren Unternehmen (KMU) empirisch ermittelt. Erstmals wird ein umfangreiches Set konzeptionell hergeleiteter DUI-Indikatoren in einer eigenen Erhebung erhoben und ausgewertet. Unter Verwendung der Lasso-Regression als datengetriebene Selektionsmethode, die in der Lage ist, mit einer so großen Anzahl potenzieller Prädiktoren umzugehen, zeigt sich, dass DUI-Lernen in KMU eine breite Palette von Elementen umfasst, die über die Interaktion mit externen Akteuren hinausgehen. Darüber hinaus deuten unsere Ergebnisse darauf hin, dass die Relevanz des DUI-Lernens als Treiber von Innovationen in KMU sowohl von der Region als auch von der Art des Innovationsoutputs abhängt. So hängt die Innovationstätigkeit von KMU in strukturschwachen Regionen besonders stark mit dem DUI-Modus zusammen, was im Fall von unternehmensinternen Lernprozessen besonders ausgeprägt ist. Diese und andere Ergebnisse deuten darauf hin, dass die FuE-Kapazität insbesondere in strukturschwachen Regionen nicht der einzige Treiber für Innovationen in KMU ist, und geben damit einen Hinweis darauf, wie Unternehmen ungünstige Bedingungen in ihrem regionalen Innovationsumfeld zumindest teilweise kompensieren können. Dies wiederum setzt voraus, dass man über die Innovationspolitik im engeren Sinne hinausgeht und einen ganzheitlicheren Ansatz verfolgt, der auch Verbindungen zu anderen Politikbereichen wie Arbeitsmarkt oder Bildung beinhaltet.
Subjects: 
innovation measurement
innovation indicator
modes of innovation
SME innovation
regional innovation
lagging regions
lasso regression
variable selection
group lasso
ordinal predictors
JEL: 
C50
C81
O3
O31
R11
Document Type: 
Working Paper

Files in This Item:
File
Size





Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.