研究资金对知识创造和传播的影响：

2022-4-24 15:03:46

知识研究与传播的研究价值：SNSF研究基金会RaChel-HeaYdand和汉娜HuttRoTurSurf国家科学基金会（瑞士伯尔尼）的研究（瑞秋）。heyard@snf.ch)德国慕尼黑大学管理学院（汉娜）。hottenrott@tum.de)摘要本研究调查了竞争性项目资助对研究人员出版物产出的影响。使用瑞士国家科学基金会的申请人的详细信息和他们的建议评估，我们采用病例对照设计，考虑到研究者的个体异质性和治疗的选择（例如资金）。我们估计了奖助金对一系列产出指标的影响，这些指标衡量了新研究成果的产生（经评议论文的数量）、其相关性（引用数量和相对定量比率），以及通过预印本和altmetrics的出版来衡量的可及性和传播性。结果表明，该资助计划有助于发表和传播额外的研究，在资助后的三年中，每年增加一篇论文。受资助的研究人员提出的更高的引文指标和altmetrics表明，影响goesbeyond的数量和资助促进了传播和质量。关键词研究资金、altmetrics、科学文章、预印本、研究生产力、影响评估1简介大学和研究机构开展的科学研究在知识型社会中发挥着重要作用（Fleming等人，2019年，Poegeet等人，2019年）。创造的知识推动了科学和技术进步，并波及到更广泛的经济和社会（Ja ff 1989、Stephan 2012、Hausman 2021）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:03:52

以科学为基础的产业日益重要，这进一步强调了科学知识是如何产生的，以及公共资金是否能加速知识的创造和传播。为了促进科学研究，拨款竞赛作为分配公共研究资金的一种手段，已成为一种重要的政策工具（Froumin&Lisyutkin 2015，Oancea 2016）。目标是激励创意的产生，并分配资金，使其最有可能实现科学进步，最终实现经济和社会回报。鉴于这些发展，重要的是要了解研究补助金是否确实促进了额外的相关研究成果，以及公众是否可以获得这些成果。尤其是个人层面的分析非常有趣，因为大多数研究者都会被授予个人研究者或小型研究团队。然而，评估拨款对研究产出的影响具有挑战性。主要的困难在于所有申请者（不仅仅是获奖者）的信息以及个人研究人员的详细信息（人口统计信息）的可用性。此外，通过选择最有能力的研究人员进入资助项目而获得的补助金的非随机性导致了资助研究人员和非资助研究人员的不可比性。研究人员可以同时获得多个资助以及多个连续的资助，这一事实进一步挑战了对资助效果的估计（Ja ffee 2002）。另一个困难来自为研究产出找到合适的衡量标准（Oancea2016）。出版物和引文很容易统计，但很可能对研究的影响、传播以及资助研究对公共辩论的贡献程度有一个完整的描述。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

何人来此

2022-4-24 15:03:58

此外，出版和引用模式以及资金需求都高度依赖于领域，这使得混合样本或跨学科项目的产出分析变得困难。在这项研究中，我们的目标是量化瑞士国家科学基金会（SNSF）项目资助（PF）对个人收益的影响。在过去三十年中，竞争性研究资助的重要性大幅增加。推动此类科学政策的基本理念可以追溯到新的公共管理改革，旨在通过选择性地向最有能力的研究人员、团体和大学（资金竞赛的获胜者）提供更多资金，增加公共科学资金的回报，并在大学系统的各个层面建立绩效激励机制（Kr¨ucken&Meier 2006，Gl¨aser&Serrano Velarde 2018）。瑞士国家科学基金会是瑞士的主要研究资助机构。瑞士国家科学基金会受瑞士联合会的授权，向符合条件的大学研究人员、未来科学出版物及其传播的搜索者分配研究资金。我们的分析基于2005年和2019年期间提交的20476项研究项目赠款的赠款和获奖者的详细信息。这项研究在几个方面补充了以前的工作。我们的研究结果通过关注申请者群体，这构成了一组更为同质的研究人员，而不是将获得资助者与未申请者进行比较，并通过考虑申请者的个人特征，不太容易忽视影响获得资助的可能性和研究产出的混杂因素。在拨款提案的同行评审过程中提交的评估分数信息允许我们将研究人员与评分相似的提案进行比较。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

何人来此

2022-4-24 15:04:04

换句话说，通过比较获奖申请人和非获奖者，并考虑他们的申请获得的评估分数，我们可以估计补助金对产出的因果影响，同时考虑到获奖需要研究成果和补助金写作能力（和技能）。通过长期研究并考虑研究补助金和成果的时间安排，我们可以进一步考虑到，即使对于不成功的申请人，补助金写作本身也会产生学习效果（Ayoubi等人，2019年）。为了将我们的结果与之前的研究进行对比，我们首先研究了补助金对出版物产出的影响。此外，我们认为预印本已经成为传播研究成果的一种重要方式，但到目前为止在资金效应研究中尚未受到重视。预印本不接受同行评审（Berg等人，2016年，Serghiou&Ioannidis，2018年），但有助于研究人员将其结果传达给社区，并确保发现的优先权。这项研究超越了以往主要考虑引用加权出版计数的工作，通过相对引用率（RCR）和领域引用率（FCR）衡量研究人员研究领域的影响。这些指标说明了特定领域的引用模式。此外，我们还明确探讨了研究人员的altmetric分数，以此衡量学术界以外研究成果的关注度、研究可见性和可及性。Altmetrics反映了媒体报道、维基百科和公共政策文件中的引用、研究博客和门捷利等参考管理者的书签，以及Twitter等社交网络上的提及。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:04:10

虽然LTMetrics可能反映时尚或挑衅性的研究，但它们可能表明通过日益重要的在线研究讨论传播的可访问见解，因此可能衡量研究的总体范围（Warren et al.2017）。尽管它们是向更广泛公众传播的潜在重要衡量标准，因此也是数字通信时代研究影响的重要衡量标准（Bornmann 2014、Konkiel 2016、Lazaroiu 2017），但到目前为止，尚未对altmetrics的资金效应进行调查。（技术）学院和研究机构。最后，通过明确调查资助后几年的产出，我们的研究为影响的持续性提供了新的见解。由于大部分项目资金通常用于需要在职培训和学习的博士和博士后研究人员的工资，因此从项目开始到发表任何研究成果之间可能有相当长的时间间隔，并且仅考虑直接结果时低估了输出效果。我们基于不同估算方法的分析结果显示，获得资助的研究人员在获得资助后的三年内，每年比可比但未获得资助的申请者多发表一篇同行评议的论文。此外，这些出版物也具有影响力，这是通过它们后来收到的引用数量来衡量的。SNSF PF似乎促进了及时传播，这一点可以从大量已出版的预印本和研究人员较高的altmetrics分数中看出。对于年轻（er）研究人员以及处于职业生涯后期的研究人员来说，当资金保持产出水平时，资金的影响尤其大。这些结果为资助效应的国际研究增添了新的见解，正如我们在下一节的回顾所示，该研究提供了部分模糊的结论。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2022-4-24 15:04:17

总之，以下结果强调了项目资金对研究成果以及科学进步的重要作用。单独的机构资金似乎不能像补充机构核心资金的定向拨款那样促进成功的研究。1.1资金对研究成果的影响竞争性研究资金对知识生成的影响（通常由科学出版物代理）已经在不同的背景下和多个层面上进行了研究：机构层面、研究小组或实验室以及个人研究人员的层面。在大学层面，Adams&Griliches（1998）发现科学出版物对大学资金具有正弹性。Payne（2002）和Payne&Siow（2003）利用国会的专项拨款和拨款委员会作为研究资助的工具，得出了类似的结果。他们显示，增加100万美元的资金将产生10到16篇额外的科学文章。Wahls（2018）分析了美国国立卫生研究院（NIH）项目拨款的影响，发现机构层面的积极回报（包括出版物和引用），但这会降低更高的资金水平。在实验室层面，到目前为止，研究结果还没有定论，这很可能是由于未观察到的实验室特征的异质性，以及通常资助实验室层面研究的各种拨款和资源。Arora等人（1998年）对意大利生物技术资助项目的分析发现，研究产出对资助的平均弹性为正，但对最高质量的研究群体的影响更大。然而，这些发现似乎与工程和生物技术有关。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:04:23

Carayol&Matt（2004年）包括了更广泛的领域，没有发现竞争性研究资金和实验室水平产出之间存在紧密联系。在个体研究者层面，Arora&Gambardella（2005）发现，美国国家科学基金会（NSF）在经济学领域的研究资助对年轻研究者的出版成果（在高排名期刊上的出版成功率）有积极影响。然而，对于更高级的原则研究人员（博士生毕业后5年至15年的PI），在考虑项目评估时，他们没有发现资助的显著影响。Jacob&Lefgren（2011）研究了国家卫生研究院的个人研究基金，发现该基金在接下来的五年里增加了一份出版物。这些结果接近于在德国工程教授样本中，在固定的资助后窗口中公共资助大约一种额外出版物的估计影响（Hottenrott&Thorwarth，2011）。同样，一项关于加拿大纳米技术研究人员的研究（Beaudry&Allaoui 2012）记录了公共资助与随后发表的文章数量之间的显著正相关关系。最近的研究从数量和质量或影响两方面考虑了产出效应。通过评估智利国家科学和技术研究基金对thePIs、Benavente等人（2012年）的研究成果的资助影响，发现在另外两份出版物的出版数量方面有积极影响，但在引用这些出版物方面没有影响。与此相反，Tahmoresnejad&Beaudry（2019）表明，公共拨款（不适用于私营部门资助）对加拿大纳米技术研究人员的引用数量也有影响。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:04:29

此外，Hottenrott&Lawson（2017）发现，来自英国公共研究资助者的资助有助于提高出版数量（大约每年增加一份出版物）以及研究影响（通过引用这些出版物衡量），即使考虑到其他私营部门来源的资助。然而，马里等人（2017年）分析的斯洛文尼亚研究人员样本结果表明，只有当研究人员的资金主要来自一个来源时，公共拨款才能产生“优秀的出版物”。Wang等人（2018年）明确地审视了研究的新颖性，发现日本竞争性基金资助的项目的新颖性平均高于机构资助的项目。然而，这只适用于资深和男性研究人员。对于初级女性研究人员来说，这项研究中最优秀的出版物是科学引文索引（SCI）期刊上四分之一的论文。新颖性是通过一篇发表的论文首次对参考期刊进行组合的程度来衡量的，同时考虑到进行这种组合的难度。竞争性项目资金与新颖性呈负相关。在一项针对瑞士研究人员的研究中，Ayoubi等人（2019年）发现，在775份特殊合作、多学科和长期项目的拨款申请样本中，参与资助竞争确实促进了与共同申请者的合作研究。对于奖助金获得者，他们观察到，与非获奖者相比，每篇论文收到的平均引用次数较低（不控制非获奖者收到的其他资金来源）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:04:35

作者将这一发现与此类跨学科项目的复杂性、合作成本以及最终未能获得这一特定类型补助金的申请人，由于从补助金写作或从其他来源获得的资金中学习，也会发表更多的文章。通过研究通过瑞士主要研究资助机构发放的资助，我们获得了该国绝大多数具有竞争力的研究资助。瑞士研究基金体系的特点是研究基金分配相对集中，SNSF占大学外部研究基金的最大份额（施密特2008年、容克和扎沙雷维奇2016年）。为了说明瑞士以外的主要资源，如欧洲研究理事会（ERC），我们收集了在分析期间接受此类资助的瑞士研究人员的信息。2资金和研究成果的实证模型以下所有内容都基于这样的假设：学术研究人员努力为他们的研究领域做出切实的贡献。这样做的动机可能多种多样，从职业激励到同行认可（Franzoni等人，2011年）。我们还假设，产生这些产出需要资源（人员、材料、设备），因此研究人员有动机申请拨款资助他们的研究。然而，研究产出，即研究人员在产生结果方面的成功和发生频率，也取决于研究人员的特征、研究领域的特征和所在机构。研究的成功通常也依赖于路径，遵循成功孕育成功的模式。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:04:41

因此，我们建立在这样一个假设之上，即为一个研究项目产生想法的研究人员会提交一份拨款申请，以获得开展该项目的资金。如果申请成功，研究人员将花费补助金，可能产生也可能不产生研究成果。这种不确定性是研究过程固有的。在瑞士，慈善和私营部门赠款确实起到了越来越大的作用，但仍然相对较小（施密特2008年，容克和扎查雷维奇2016年）。资助机构筛选资助提案并委托专家评审，以评估申请的资金价值。如果提交的标书收到的评估结果与其他标书相比非常好，则根据可用的资金金额授予资金。这意味着，即使在拨款申请被拒绝的情况下，研究人员也可以追求项目理念，但没有这些专用资源。在许多情况下，融资决策是在边际上做出的，一些获胜的项目仅略好于非获胜的项目（Graves et al.2011、Neufeld et al.2013、Fang&Casadevall 2016）。如果资金本身确实对研究成果产生影响，我们会认为受资助的研究人员在数量和质量方面都更成功地产生产出。除了资源驱动效应外，还可能存在与公共项目资金相关的直接传播激励。一方面，资助机构可能鼓励甚至要求传播资助项目的任何结果。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:04:48

另一方面，研究人员可能有动力公布研究成果，向资助机构表明项目成功，并赢得对未来提案评估有价值的声誉。在通过不同指标评估资金对研究产出的贡献时，我们必须考虑到，对资金效应的评估需要对研究人员的产出生成进行假设。产出在多大程度上可以归因于资金本身，也取决于所使用的计量经济模型（Silberzahnet al.2018）。因此，我们采取了一种定量的多方法方法，对之前相关研究中应用的方法进行了补充和补充。通过比较不同估算方法的结果，还可以评估我们的结论对特定建模假设的敏感性。特别是，我们估计纵向回归模型，旨在解释研究人员之间未观察到的异质性。此外，我们使用非参数匹配方法来显式地模拟grantawarding过程中的选择性。2.1混合效应模型定义为研究人员i在t年和Fit年的研究成果-1一个二元变量，指示我在t年是否有机会获得NSF资助- 1.请注意，该指标在授予项目的整个持续时间内取1。由于资金对产出的直接影响不太可能发生，因此资金信息被标记为一年。请注意，我们将区分作为PI的资金和作为联合PI的资金（仅限）。然后，一般的经验模型可以表示为it（φ）=φ[Fit]-1+Xit+Tt]+vi+它，φ是参数的向量。XIT代表一个向量，带有t处的解释因子，包括研究人员的观察特征和平均评估分数中反映的拨款申请的平均质量。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-4-24 15:04:54

进一步的TTP捕捉整体时间趋势，即未观察到的个体异质性，以及这是错误术语。上述规范描述了Blundell等人（1995年）之后离散结果的生产函数。作为第一种估算策略，countdata模型将用于估算研究成果，例如同行评审文章或预印本的数量。此外，这些模型考虑了未观察到的个体特征vi，除了可观察的特征之外，这些特征还可能预测研究产出，并且独立于项目资金。估计这种未观察到的异质性的一种方法是对个体（这里是研究人员）使用随机截取，并考虑信息的层次结构（例如面板数据）。因此，我们估计混合计数模型以捕获vi。计数数据的混合回归模型采用以下形式log E（Pit | data）=φ[Fit-1+Xit+Tt]+vi.除了计数型输出外，我们还估计了资助对连续输出变量的影响，如每年引文的平均数量或研究人员的平均年度altmetric分数。对于这些输出类型，我们根据拟合方面的可比模型规格估计线性回归模型-1、Xit、TTA和vi.2.2非参数处理效果估算在替代估算方法中，我们采用了一种非参数技术：项目资金对科学成果的平均处理效果由一个计量匹配估计器进行估计，该估计器解决了以下问题：“如果一位受资助的研究人员没有获得资助，她会发表多少论文（或者她的研究会得到多少altmetrics或引文关注？”。这意味着将实际观察到的结果与反事实结果进行比较，以得出对资金影响的估计。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:05:00

鉴于无法观察到反事实的情况，因此需要进行估计。为此，我们采用了最近邻倾向评分匹配。也就是说，我们通过选择一种替代方法，将每一位受资助者与一位非受资助者配对。另一种方法是利用研究人员的样本前信息，作为不可观察特征的补偿，例如研究人员的能力或写作才能，从而在（后期）样本期内影响研究成果。我们进行了线性反馈模型（LFM）作为稳健性测试，并在附录7中介绍了它们。我们在R和负二项族中使用了lmer软件包。最接近的“双胞胎”基于收到补助金的估计概率和提交的申请收到的平均分数的相似性。请注意，我们从未成功申请者的样本中选择了这对双胞胎研究者，以便在总体获胜倾向（包括个人和机构特征）和提案的评估分数上进行匹配，从而在个人和提案（或项目理念）特征上进行匹配，以找到最具可比性的个人。获得补助金的估计倾向是根据一个二元治疗指标的概率估计得出的，该二元治疗指标的值为个人获得项目资助的每三个研究年度组合的一个值。与exactmatching相比，倾向评分匹配的优势在于，它允许将更大的一组特征组合成一个单一的指标，从而避免维度灾难。然而，对一些关键指标引入精确匹配可以改善匹配后控制变量的平衡。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:05:06

特别是，我们精确匹配了资助轮的年份，因为这允许治疗和对照个体有相同的治疗后时间窗口，还可以捕获输出的时间趋势，这可能会影响估计的治疗效果。此外，我们只在一个研究领域内进行匹配，以避免混淆治疗效果与资源需求的异质性以及产出模式的学科差异。我们遵循Ger Fin&Lechner（2002）提出的匹配方案，计算治疗和对照观察之间的马氏距离asMDij=（Zi）- （Zj）Ohm-1（子）- Zj）在哪里Ohm 是匹配参数（倾向分数和评估分数）的经验协方差矩阵。我们使用卡尺，通过设定治疗组和对照组之间允许的最大距离阈值来避免不良匹配。也就是说，只有当| Zj- |, 哪里是预先规定的公差。将每位研究人员与最相似的未经治疗的研究人员配对后，观察结果的任何剩余差异都可以归因于资金效应。根据条件独立性假设（Rubin 1977），由此得出的治疗效果估计是无偏的。换句话说，为了克服选择问题，对于具有相同特征的个体，参与和潜在结果必须是独立的。请注意，通过在评估分数和倾向分数上进行匹配，我们的方法类似于回归不连续设计的想法。除了在M D上的紧密性，我们还使用了精确匹配的元素，要求选定的对照研究人员完全属于同一学科领域，并与治疗组的研究人员在同一年进行观察。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

何人来此

2022-4-24 15:05:13

这可以解释不同学科的不同出版模式，以及资助可能性和结果变量的时间趋势。（RDD）。然而，所选方法的优点是，它允许我们为更具代表性的一组个体得出因果结论。虽然RDD设计具有内部一致性高的优势，但其代价是仅为研究人员得出关于削减效应的估计（de la Cuesta&Imai 2016）。然而，在我们的例子中，这一阈值不是恒定的，而是取决于提交的提案的数量，并且获奖提案获得的评估分数存在很大差异。在我们的应用中，我们还预计会对研究人员产生不同的影响，因此，在远离选择门槛的情况下，局部影响可能与研究人员的影响非常不同（Battistin&Rettore，2008年）。因此，使用匹配的对照组，治疗组的平均影响可以计算为匹配样本的平均差异：αT T=ntXiPiT-Xj^PjC！PTI是治疗组的结果变量，PCJ是i和NTI的计数（治疗研究人员的样本量）。3 SNSF提供的数据和描述性分析数据已用于检索一组感兴趣的研究人员。这些研究人员已向SNSF资助工具项目资助（PF）或Sinergiaas主要申请人（如PI）或orco申请人（如co PI）提出申请。PF计划是一种自下而上的方法，因为它为研究项目的成本提供资金，其主题由申请人自己选择。研究周期是动态的，研究人员是特定的：从SNSF第一次观察研究人员作为（合作）皮托PF或职业资助资助资助者（博士后水平）的年份开始；独立研究生涯开始的那一年。然而，这一研究阶段的下限在2005年。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

nandehutu2022

2022-4-24 15:05:20

对于每个人来说，这一时期都将在2019年结束，一些研究人员的观察期比其他人更长。对于每位研究人员，定义了一个样本前阶段，包括观察开始前的五年。所有感兴趣的结果变量的样本前信息，用于解释个体之间的异质性，以线性反馈模型的方式进入研究，并用于匹配。为了估计反事实情况，我们进行替换抽样，匹配后平均差异的普通t统计量是有偏的，因为它没有考虑重复观察的现象。因此，我们必须按照Lechner（2001）的说法，修正标准误差，以便得出统计推断的结论。Sinergia方案与PF密切相关，因此我们不会在以下方面区分它们。如果获得批准，联合申请人有权获得部分资金。非参数估计方法的事前性能。此外，只有在2010年后至少申请过一次SNSF的研究人员才能被纳入，以确保最低限度的研究活动。在下一步中，我们从维度数据库（Digital Science 2018）中检索一个维度标识符（Dim ID），使用一个人的姓名、研究领域、年龄以及有关过去和当前工作的信息。Dim ID使我们能够收集消除歧义的出版物信息，供这些研究人员用于实证分析。3.1变量和描述性统计原始数据集由11\'228名合格研究人员组成。其中10%（1\'143）无法在维度数据库中识别。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:05:26

在使用他们的名字发现的研究人员中，来自SNSF数据库（国家、ORCID、机构等）的补充信息在1%的病例中不匹配，我们不确定是否找到了正确的研究人员。12%的研究人员发现在维度上没有唯一的ID。删除这些观察结果后，我们观察了总共8\'793名不同的研究人员（78%的合格研究人员），最终数据集由82\'249名研究人员的年度观察结果组成。研究人员的平均观察时间为9.35年。从2005年到2019年的最长观察时间为15年，在这一最长研究期间观察了2319名研究人员。所有出版数据均于2020年9月检索。3.1.1研究基金本研究的核心兴趣是竞争性项目资金对研究人员后续研究成果的影响。关于SNSF资金的信息表明，研究人员在某一年是否可以获得SNSF资金作为aPI和/或co PI。我们对项目执行机构和项目执行机构进行了区分，以测试资金效应是否因项目中的角色而异。在观察期内，我们数据集中的研究人员平均由SNSF资助4.6年；作为项目PI的3.3年，见表1。数据中总共包括20476个不同的项目申请（不需要资金）。平均而言，一名项目执行官总共参与了3.7个项目申请（作为PI或co PI）；在3.1提交文件中作为PI，在2.3提交文件中作为co PI。数据中约66%的项目只有一个PI申请资助，22%的项目有一个PI和一个co PI，8%的项目有一个PI和两个ID。如果维度发现某个名字有多个ID，我们使用SNSF可获得的关于研究人员的进一步信息来缩小ID选项。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:05:33

如果ORCID有此补充信息，则说明当前和以前的研究机构、国家和出生年份。只有具有唯一ID的研究人员才能用于以下研究。关于已发现和未发现的研究人员的比较，见表8。表8co-PIs中可以找到没有唯一ID的研究人员的一些特征，4%的特征是由PI和三个或三个以上的co-PIs一起提交的。请注意，在整个研究期间，我们的数据集中成功应用的百分比为48%（STEM应用的成功率为~ 60%是~ 在SSH中为44%，而LS中的一个最低~ 40%).这些数字反映出，在瑞士的研究资助体系中，项目资助确实发挥了重要作用，但机构核心资金也相对慷慨。后者平均占大学总资金的70%以上（施密特2008，Reale 2017）。这使得研究人员能够在没有项目资金的情况下在系统中维持生命。虽然总体而言，该国类似研究机构的机构资金相当同质，但不同机构类型的资金有所不同。因此，在以下分析中考虑机构资金非常重要，因为它为研究人员提供了重要的补充资源（Jonkers&Zacharewicz，2016）。此外，在不同的机构类型中，我们还考虑了研究领域和研究人员的职业生涯阶段，因为这可能也反映了核心预算中的个人差异。我们在第3.1.3小节中介绍了这些变量的样本特征。另一个重要的方面，当分析E.E.E.研究经费是来自其他来源的资金，除了机构资金（HouttRoTt和劳森2017）。在所有欧洲国家，欧洲研究理事会（ERC）都发挥着重要作用。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:05:40

因此，我们收集了接受ERC资助的瑞士研究人员的数据，并将其与我们的样本进行了匹配。在本研究中考虑的所有研究人员中，只有一小部分（4.2%）曾获得ERC的资助。这些研究人员中的大多数在同一时间（87%）有一个PF格兰耳轴。图6更详细地显示了不同资助组的观察次数。3.1.2研究产出稳定1总结了产出指标以及资金长度。最直接的研究产出衡量标准是（peerreeved）文章的数量。我们数据中的一位研究人员平均每年发表4.9篇文章。STEM（5.7）和生命科学（LS）（6.5）的年度论文数量高于社会科学和人文科学（SSH），研究人员平均每年发表约1.5篇论文。各领域的所有产出变量（以及资金和研究人员信息）差异见表7。在生物医学研究、物理学或经济学等学科中，文章的预印本被广泛使用和接受（Berg等人，2016年，Serghiou&Ioannidis 2018年）。由于初步产出很早就可获得，因此是一个有趣的额外产出，因为只有少数案例确定持有重大国际赠款，但没有SNSF资金，我们在以下方面不区分这些群体。请注意，从ERC资助的项目数据库中检索到的数据仅包括自2007年以来获得的赠款。可能表明研究结果的传播和可获得性。预印本的年平均数量远低于其中一种（0.4），这是因为预印本是最近才出现的一种研究成果，在干油田比其他油田更常见（见表7）。另一个产出指标是perresearcher每年的引用次数。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:05:47

这是自观察期开始以来，某研究人员在特定年份对其所有同行评议文章的所有引用的总和。对观察期开始前发表的文章的引用不考虑在内。研究人员在研究期间的工作平均每年被引用132.9次。然而，这一变量存在很大的偏差，6.8%的研究人员占所有引文的50%，并且与研究人员发表的文章总数高度相关。生命科学（185.2）和干领域（157.7）的平均引用数也存在领域差异，但这两个数字都大大高于SSH（25.6）。研究人员每篇（同行评议）文章的平均引用数是研究人员文章集的平均相关性的信息。我们样本中的文章平均每年被引用4.2次。每一篇文章的altmetric分数都是作为对已发表研究的关注度或可及性的衡量标准进行检索的。根据Konkiel（2016）的建议，我们采用了“一篮子指标”，而不是altmetric分数的单一组成部分。这个分数是数字科学的产物，代表了对某项研究成果所获得的注意力的加权计数。请注意，研究人员在t年的平均altmetric分数是t年发表的所有文章的altmetric平均值。我们样本中的一名研究人员的altmetric平均值为13。与引文计数类似，这个变量存在严重的偏差。跨学科的altmetrics差异非常小（见表7）。当使用简单的输出指标（如引用计数）时，重要的是要考虑特定领域的引用模式。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:05:53

为此，我们收集了相关引用率（RCR）和领域引用率（FCR）。国家卫生研究院开发的RCRWA（Hutchins等人，2016年）。正如Surkis&Spore（2018）所述，RCR使用一种方法来评估一篇文章的引用计数，该计数标准化为NIH资助的出版物在同一研究领域和同一年份收到的引用。RCR的计算意味着根据文章的共引网络动态确定文章的领域，即引用目标文章的文章引用的所有文章。RCR的优势在于现场和时间标准化thehttps://help.altmetric.com/support/solutions/articles/6000233311-how-is-the-altmetric-attention-score-calculatedUnfortunatelyaltmetric不能作为维度的时间相关变量检索，只能作为数据检索时点（2020年9月）的altmetric状态检索。因此，altmetric告诉我们，在2020年9月之前，t got上发表的一篇文章的累积重要性。一篇文章被引用的次数。根据美国国家卫生研究院（NIH）的标准，一篇论文经常被引用，其RCR为1，而RCR更大的论文表明，鉴于该领域和年份，一篇文章被引用的次数超过了预期。RCR仅针对PubMed上出现的、至少有一次引用且超过两年的文章进行计算。因此，在分析这一产出指标时，我们只关注生命科学领域的研究人员。FCR的计算方法是将一篇论文的引用次数除以同一年和同一研究领域（FoR）类别中发表的出版物的平均引用次数。显然，FCR非常依赖于FoR的定义。使用的维度最接近澳大利亚和新西兰标准研究分类（ANZSRC 2019）。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:05:59

对于FCR的计算，论文必须超过两年。与theRCR类似，FCR标准化为1，一篇引用次数为零的文章的FCR为零。作为altmetric，RCR和FCR不能根据时间进行检索，而是检索当天的快照。我们将t的平均FCR/RCR称为t中发表的论文的平均FCR/RCR。根据Hutchins等人（2016），高收益期刊上的文章的平均RCR约为3。RCR和FCR之间的关键区别在于，FCR使用研究领域的固定定义，而RCR领域与所考虑的每份出版物相关。表7显示，各油田的平均费率具有可比性。图1显示了根据前一年的资金状况（如co和/或PI），每名研究人员的年平均文章数、预印本数和altmetric分数的演变。每年发表的文章数量相当稳定，或者只是略有增加，而在过去几年中，再版数量大幅增加。最近发表的论文也比以前发表的论文有更高的altmetric分数，尽管它们引起关注的时间更少。然而，值得注意的是，由于我们在这里没有考虑任何研究人员的特征，资助和未资助研究人员之间的差异不能解释为资助的结果。然而，预印本和AltMetrics的日益流行表明，在资金评估中应该考虑到它们。3.1.3混杂变量稳定1进一步显示了研究人员性别、生物年龄、研究领域和机构类型的描述性统计数据。这些变量捕获了研究人员产出的驱动因素，因此在我们所有的分析中都要考虑到。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:06:06

几乎77%的研究者是男性，大约60%的人在广东大学工作，24%在技术大学（ETH领域），17%在应用科学大学（UAS）和教师教育大学（UT）。研究领域和机构类型被定义为研究人员应用最多的领域或类型。表1：产出指标、资金指标和研究人员特征的描述性统计（平均）SD Min Max NAsOutput度量标准4.9 7.2 0 2220 0预印本0.4 1.5 0 54 0 av引文132.9 321.1 0 7\'888 0。引文4.2 4.9 0 146.2 0年度平均值。altmetric 13.2 44.6 1 4\'211 35\'237年平均值。FCR 6.6 12.4 0 786.5 26\'345年平均值。RCR 1.6 3.6 0 242.2 42的资助信息S资助年份#资助年份#4.6 4.7 0 15 0S资助年份S作为PI 3.3 4.5 0 15 0%治疗观察0.5性别女性23.1%男性76.9%年龄在46.6 8.3 96机构类型的广州大学58.8%1\'439ETH领域23.9%UAS/UTE/其他17.3%研究领域38.4%STEM 31.6%SSH 29.9%注：数据包含82 249名研究人员在793年的观察结果区分搜索者；av。代表平均水平。图1：前一年出版和预印本计数的时间趋势，以及SNSF资金状况的长期评分。经常往返于。生命科学领域（LS）在数据中所占比例最大，约为39%。这些变量与结果变量的样本前信息一起充当混杂因素，因为它们可能解释输出的差异，因此需要加以考虑。请注意，我们数据中的1615名研究人员在五年前的样本期内没有发表任何同行评议的论文。补充材料中的表7显示了各研究领域之间混杂变量的变化。提交的项目建议书按六分制评分：1=D、2=C、3=BC、4=B、5=AB、6=a。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:06:13

按照Arora&Gambardella 2005的方法，我们使用项目评估信息来控制（或匹配）平均项目质量。我们将评估分数构建为一位研究人员在提交的提案中“收集”的所有分数在过去四年的滚动平均值，即PI和co PI（如果某位研究人员在过去四年中没有可用的分数，我们使用她所有时间的平均值）。我们这样做是因为未来的研究也会受到过去和同时发生的项目的质量的影响。然而，资助决定并非完全基于这些等级。它必须考虑到特殊调用的可用资金量。因此，一个申请在其他竞争申请中的排名起着重要作用，如果达到预算限制，即使是被高估的项目也可能被拒绝。被评为A/AB级的项目很有可能获得资助，而被评为D级的项目则从未获得资助，见图5显示了被拒绝和被接受项目的等级分布。注意，年龄缺失的研究人员被删除，因为这是一个重要的控制变量；缺失的机构类型被重新分类为未分类。此外，在分析中，资金信息将滞后一年（或一年以上），每位研究人员至少观察一年。用于分析的最终样本包括来自8\'282名独特研究人员的72\'738完整观察结果。4结果4。1混合效应模型-纵向回归模型稳定2总结了计数结果（每年出版物和预印本的数量）的两个负二项混合模型的结果。根据资金状况，发病率比率（IRR）告诉我们基线计数的乘法变化。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:06:19

publicationcount的模型适用于整个数据集，而preprint Count的模型适用于自2010年以来的数据，因为之前预印本的数量一般都很小。SNSF资助似乎对研究生产力有显著的积极影响，包括年度发表数（PI比没有SNSF资助的高1.21倍）以及年度预印本数（PI比没有SNSF的研究人员高1.30倍）。表2：文章和预印本数1的多变量负二项模型的发病率比（IRR）。第2条。预印本（72英尺738磅）（61英尺726米）内部收益率（95%CI）p-val.内部收益率（95%CI）p-val.资金支持的PI（t-1）1.21（1.19；1.22）<0.001 1.30（1.22；1.39）<0.001资金支持的共同PI（t-1）1.11（1.09；1.13）1.10（1.02；1.19）评估。得分BC-B 0.98（0.96；1）0.026 0.79（0.74；0.84）<0.001Eval。（0.49；0.61）男（参考：女）1.46（1.37；1.56）1.46（1.37；1.37；1.56）<0.001 2.12（1.76；1.76；2.56）<0.001 2.12（1.76；2.56）<0.001年龄（几十）0.001年龄（几十年）0（几十）年龄（十年）0.001年龄（十年）0（几十）0（几十）在t）在t 1.00（几十）在t 1.97（几十）在t 1.97（几十）在t t t 1.01.01.01.01.01.01.01（0.01（0.01（0.01）在t 1.01（0.01（0.01（0.01（0.01（0.01（0.01（0.99；0.99；0.99；1.99；1.0.99；1.0.99；1.0.1.26；1.86）面积茎0.71（0.67；0.77）<0.001 3.10（2.63；3.65）<0.0010.15（0.14；0.16）0.40（0.33；0.49）2010-1411.14（1.12；1.16）<0.0012015-191.18（1.15；1.21）2015-192.06（1.95；2.17）<0.001注：提供了发病率比率（IRR）及其95%的密度区间（CI）。p值指模型中存在的每个变量的似然比测试结果。对于机构类型的大学来说，它是一个参考类别，对于领域来说，它是生命科学。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:06:25

对于评估分数，AB-A类作为参考类别，对于模型1，这一年是06-09，对于模型2，这一年是10-14。资金）。在t-1在t中平均发表了4.64篇文章。一位类似的研究人员（所有混杂变量保持不变）在t中使用SNSF资金作为PI- 我会在t.PIs上发布5.6篇关于SNSF项目的文章，发布更多。男性研究人员和年轻的预印本研究人员也是如此。来自ETHDomain的研究人员发表的论文比来自各州大学的多。近年来，研究人员发表了更多的文章。与其他研究领域相比，LS的研究人员发表的同类文章更多。关于预印本，我们观察到了不同的图片。在这里，STEM研究人员在LS上发表的论文超过了其他研究人员。表3总结了连续结果的四个线性混合模型的结果：每份出版物的年平均引用次数、年平均altmetric、年平均RCR和年平均FCR。关于引文模式，有强有力的证据表明，我们还测试了这一结果的稳健性，以便在关注PF治疗和将具有Sinergia资助项目的研究人员添加到对照组时，使用Sinergia虚拟变量进行调整。作为PI和co PI效应的资金规模及其置信区间具有可比性。SNSF资金具有积极影响；尤其是SNSF项目中的PIs，其文章被引用的频率更高（PIs平均每年每篇文章被引用0.33次）。与其他领域的研究人员相比，LS研究人员的文章被引用最多。ETH领域的研究人员和年长的研究人员也是如此。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:06:31

对于altmetrics和引文比率，我们采用对数尺度来解释其分布高度倾斜的事实；然后我们可以将系数解释为百分比变化。关于altmetrics，与其他研究人员相比，由SNSF资助的研究获得的注意力得分高出5.1%（到2020年9月）。到目前为止，LS的研究人员拥有最高的altmetrics，仅次于SSH的研究人员。并没有强有力的证据表明资金对年均RCR有影响。这意味着，在SNSF资助的研究人员的短期研究成果中，被引用的次数与NIH或其他重要研究人员资助的文章的平均数一样多，但也没有显著超过这一数字。来自ETH领域的年轻研究人员和研究人员的RCR较高。研究结果还表明，SNSF资助与研究人员的FCR之间存在正相关关系。4.2非参数估计虽然之前的估计方法模拟了个体间未观察到的异质性，但非参数匹配方法明确地将选择纳入治疗。它考虑了可观察因素的选择，如果不考虑这些因素，可能会导致错误地将资金效应归因于授予过程的选择性。我们将研究人员的资助成功建模为研究人员特征的函数。特别是，这包括他们以前的研究记录（发表经验和引用）以及研究人员收到的提交的建议（PI或联合PI）的所有评估分数的平均值。此外，我们还包括年龄、性别、研究领域和机构类型。我们获得了第2.2节中描述的匹配过程中使用的倾向评分。表4给出了probit对资助结果（成功与否）的估计结果。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-4-24 15:06:38

该表首先显示了完整样本的模型，该模型提供了倾向评分，用于评估对文章和这些文章的引用以及预印本的处理效果。第二个模型显示了用于估计治疗对RCR影响的THLS研究人员子样本的模型。第三个模型显示了对全样本的估计，但考虑了样本前的FCR，并提供了用于估计治疗对FCR影响的倾向评分。第四个模型控制样本前的altmetrics值，并用于估计治疗对未来altmetrics得分的影响。结果表明，评估分数是资助成功的关键预测因素，与所有规范一致。分数越高，提案获得批准的可能性越大。男性研究人员获得资助的可能性高于女性以及老年研究人员。后一种结果可能有各种原因，这些原因不在本文的讨论范围内，其他地方也在讨论。正如所料，过去的研究表现是另一个强有力的预测拨款成功的因素，同行评议的文章比预印本更重要。除了数量之外，过去的研究质量（通过引用来衡量）也增加了提案被批准的可能性。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝