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

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

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

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

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

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

pi-0.041-0.017-0.0220.0370.1380.132（0.559）（0.603）（0.614）（0.470）（0.512）（0.511）IFAit0.105*0.108*0.113**0.114**（0.059）（0.059）（0.050）（0.046）订单I-0.011-0.009（0.097）（0.105）pctc，t-0.030-0.012（0.024）（0.036）过度分散()2.11381.99051.9858c0.00000.00000.00000.00000.00000.0000s0.00000.00000.00000.00000.00000.0000t0.00000.00880.00000.00110.00000.000注：国家(c） ，扇区(s） ，年(t） 所有规格中均包含固定效果。*p值<0.10，**p值<0.05，***p值<0.01。括号中的群集鲁棒标准错误（即群集是2位NACE代码）。参考类别为1993年在其他制造业运营的比利时小型企业。当IFA中缺少值时，回归还包括一个等于1的虚拟变量。“过度分散”表示负二项模型中方差膨胀系数的估计值，其中假设方差等于：var= ×平均值。H0的过分散试验： =1为：298.13（0.0000）、274.01（0.0000）、271.27（0.0000），其中p值如所示（）。稳健性检查。表2中的基线结果依赖于样本设计，不包括IFAit中报告4个以上缺失值的公司。作为稳健性检查，我们将该任意阈值从每个公司的4个缺失值更改为6个缺失值。将排除规则设置为5缺失观察值会产生112家公司的样本（或1568个观察值），而考虑变量的大部分6缺失值会导致121家公司的样本（或1694个观察值）。由于IFAit中缺少值，我们的基线结果对于用于排除公司的阈值的变化是稳健的。

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

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

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

(2015).  “CERN采购是否会带来创新？”创新：欧洲社会科学研究杂志，28（3），360-383。Adams，J.D.（1990）。“知识和生产力增长的基本存量。”《政治经济学杂志》，98（4），673-702。Aghion，P.、Van Reenen，J.和Zingales，L.（2013年）。“创新和制度所有权”。《美国经济评论》，103（1），277–304。Amaldi，U.，（2012年）。“Sempre PiúVeloci”。扎尼切利，博洛尼亚，IT。Aschhoff，B.，索夫卡，W.，2009年。“按需创新公共采购能否推动创新的市场成功？”研究政策38（8），1235–1247。Autio，E.（2014）。“大科学创新：加强大科学影响议程”。伦敦帝国理工学院商学院，地址：https://www.gov.uk/government/uploads/system/uploads/attachment_data/file/288481/bis-14-618-innovation-from-big-science-enhancing-big-science-impact-agenda.pdf.Autio，E.、Hameri，A.P.，&Vuola，O.（2004）。“大型科学中心的行业知识溢出框架。”研究政策，33（1），107-126。Battistoni，G.、Genco，M.、Marsilio，M.、Pancotti，C.、Rossi，S.、Vignetti，S.（2016）。应用研究基础设施的成本效益分析。来自医疗保健的证据。技术。预测社会变化112、79–91。Basu，S.、Fernald，J.G.和Kimball，M.S.（2006）。“技术改进是否具有竞争性？”《美国经济评论》，96（5），1418-1448年。Blind，K.、J.Edler、R.Frietsch和U.Schmoch（2006年）。“专利动机：来自德国的经验征税”，《研究政策》，35:655-672.Block，J.H.，C.O.Fisch，A.Hahn和P.G.Sandner（2015）。为什么中小企业要申请商标？来自创新产业公司的见解”，《研究政策》，44:1915-1930.Blundell R.，Griffith R.和Van Reenen J.（1999）。

“英国制造企业小组的市场份额、市场价值和创新”。《经济研究评论》，66（3）：529-54。Bresnahan，T.和Trajtenberg，M.（1995年）。“通用技术：增长引擎？”《计量经济学杂志》，65（1）：83-108Castelnovo，P.、Florio，M.、Forte，S.、Rossi，L.、Sirtori，E.（2018）。“大型研究基础设施技术采购的经济影响：来自CERN大型强子对撞机的证据”。《研究政策》，47（9），1853-1867年。CERN（2018年）。“欧洲核子研究中心2018年简讯”。在线提供时间（上次访问时间：2019年3月）：https://home.cern/resources/brochure/cern/quick-facts.CERN（2019a）。“大型强子对撞机研究计划的经济效益。是否值得投资于大型研究设施？”在线提供时间（上次访问时间：2019年3月）：http://fcc-cdr.web.cern.ch/webkit/.CERN（2019b）。“LHC指南”。在线提供时间（上次访问时间：2019年3月）：http://press.cern/press-kit.Chan、L.K.C、J.Lakonishok和T.Sougiannis。（2001）《股票市场研究与开发支出估值》《金融杂志》56（6）：2431-2456。Cohen，W.M.，&Levinthal，D.A.（1990）。“吸收能力：学习和创新的新视角。”《行政科学季刊》，35（1），128-152。Comin，D.A.和Gertler，M.（2006年）。“中期商业周期”。《美国经济评论》，96（3），523-551。Cox，D.R.（1972年）。“回归模型和生命表”。皇家统计学会杂志：B辑，34（2）：187-202。Crépon，B.、Duguet，E.和Mairesse，J.（1998年）。“研究、创新和生产力：企业层面的经济分析”。《创新与新技术经济学》，7（2），115-158。Dahlin，K.B和Behrens，D.M.（2005）。

“什么时候发明才是真正激进的？定义和衡量技术的激进性。”研究政策，34（5），717–737。Dennis，M.A.（2017）。大英百科全书，s.v.“大科学”。可在线访问：https://www.britannica.com/science/Big-Science-scienceDziallas，M.，&Blind，K.（2019）。“整个创新过程中的创新指标：广泛的文献分析。”Technovation，80-81，3-29。Edler，J.和Fagerberg，J.（2017）。“创新政策：什么、为什么和如何”，《牛津经济政策评论》，33（1）：2-23。Edquist，C.，&Hommen，L.（2000年）。“公共技术采购与创新理论”公共技术采购和创新（第5-70页）。斯普林格，马萨诸塞州波士顿。Evans，L.R.，（2009年）。“大型强子对撞机：技术的奇迹”。EPFL出版社。Fernández Olmos，M.，&Ramírez Alesón，M.（2017）。“随着时间的推移，内部和外部因素如何影响中小企业技术协作网络的动态”。Technovation，64，16-27。Florio，M.、Giffoni，F.、Giunta，A.和Sirtori，E.（2018）“大科学、学习和创新：来自CERN采购的证据”，工业和企业变革，27（5），1915-936。Giudice，G.F.（2010）。“塞普托太空之旅。大型强子对撞机物理学之旅”。牛津大学出版社，牛津。Griliches，Z.（1979）。“评估研发对生产率增长的贡献的问题”。贝尔经济学杂志，10（1），92-116。Gurmu，S.，&Pérez Sebastián，F.（2008）。“专利、研发和滞后效应：来自制造企业面板数据统计灵活方法的证据。”《实证经济学》，35（3），507-526。Hall，B.、Griliches Z.和Hausman J.（1984）。“专利和研发：是否存在滞后？”《国际经济评论》，第27（2）页，265-283页，Hallonsten，O.（2014）。

“大型科学有多贵？在大型科学设施的性能评估中使用simplepublication计数的后果”。科学计量学，100（2），483-496。Hameri，A.P.和O.Vuola（1996年）。“利用基础研究作为催化剂，开发基于新技术的创新。案例研究。”Technovation，16（10）：531-539。Hausman J.，Hall B.和Griliches，Z.（1984年）。“计数数据的计量经济学模型及其在专利与研发关系中的应用”，《计量经济学》，52（4），909-938。Heher，A.D.（2006年）。“创新投资回报：对机构和国家机构的影响。”《技术转让杂志》，31（4），403-414。Jia N.、Huang K.和Zhang C.M（2019）。“公共治理、公司治理和企业创新：对国有企业的考察”。《管理学院杂志2019》，第62卷，第1期，220–247Kiefer，N.M.（1988）。“经济持续时间数据和危险函数”。《经济文献杂志》，26（2），646-679。Kung，H.和Schmid，L.（2015年）。“创新、增长和资产价格”。《金融杂志》，LXX（3），1001-1037。Lane，P.J.，&Lubatkin，M.（1998）。“相对吸收能力和组织间学习。”《战略管理杂志》，19（5），461-477。Leiponen，A.和J.Byma（2009年）。“如果你不能阻止，你最好跑：小公司、合作创新和拨款战略”，《研究政策》，38:14781488。Leoncini，R.、Marzucchi，A.、Montresor，S.、Rentocchini，F.、Rizzo，U.（2017）。“迟做总比不做强：绿色技术与企业成长年龄之间的相互作用。”SmallBusiness Economics，1-14。Mansfield，E.（1968年）。产业研究与技术创新：计量经济学分析。纽约诺顿。Mansfield，E.（1991年）。

“学术研究和产业创新。”研究政策，20（1），1-12。Mansfield，E.（1998年）。“学术研究和产业创新：经验发现的更新。”研究政策，26（7-8），773-776。Marin，G.（2014）。“生态创新是否会通过排挤而损害生产率增长？意大利CDM扩展模型的结果。”研究政策，43（2），301-317。Nielsen，V.，Anelli，G.（2016年）。“CERN的知识转移”。技术。预测Soc。更改，112:113–120。Pakes，A.和Shankerman，M.（1984年）。“专利过时率、研究酝酿滞后以及研究资源的私人回报率”。摘自：Griliches，Z.（编辑）《研发、专利和生产力》，73-88，芝加哥大学出版社，芝加哥。Pakes，A.和Griliches，Z.（1980）。“公司层面的专利和研发：第一份报告”。《经济学快报》，5（4）：377-381Schaefer，A.、Schiess，D.、Wehrli，R.（2014）。由一系列通用技术推动的长期增长。经济建模，37，23-31。Sirtori，E.、Catalano，G.、Giffoni，F.、Pancotti，C.Caputo，A.和Florio，M.（2019年）。“CERN采购行动对行业的影响：28个成功案例。”在线可用时间（上次访问时间：2019年4月）：https://cds.cern.ch/record/2670056?ln=itSolow，R.M.（1997）。“从做中学：经济增长的教训”。斯坦福大学出版社。Sternitzke，C.（2010年）。知识来源、专利保护和药物创新的商业化研究政策，39（6），810-821。Stevenson，B.和Wolfers，J.（2006）。“法律阴影下的讨价还价：离婚法和家庭困境”。《经济学季刊》，121（1），267-288。Toole，A.A.（2012）。

“公共基础研究对产业创新的影响：来自制药行业的证据。”研究政策，41（1），1-12。Tuertscher，P.、Garud，R.、Kumaraswamy，A.（2014）。“欧洲核子研究中心ATLAS的正当性和交互知识”。《组织科学》，25（6），1579-1608年。乌亚拉，E。；Flanagan K.（2010），“理解公共采购的创新影响”，欧洲规划研究，18（1）：123-143。Vuola，O.，&Hameri，A.P.（2006）。“工业和大科学之间互利的联合创新过程。”Technovation，26（1），3-12。A2、高科技和低技术公司的分类为了将供应商分配给高科技或低技术集团，我们利用了一个事实，即在原始数据库中，CERN订单是通过一个“活动代码”进行分类的，该代码以高度详细的三位数级别标识每个产品类型。我们使用了两位数的分类法，该分类法涵盖了大约100个项目，对于我们的目的来说已经足够详细了。在某些情况下，wealso检查了3位数分类，以更好地解释技术内容。在对订单代码的总体分布进行初步分析后，我们遵循了Florio et al.（2016）的规定，确定了最有可能与LHC建造所需的高科技商品和服务相关的具体活动代码。在某些情况下，代码描述符是通用的（“28电气工程”或“45软件”）。为了尽量减少分类错误，我们抽取了300份订单进行更深入的分析。这些订单被207家不同的供应商取代，占分析期间至少收到一份THLHC订单的所有供应商的16%。

随后，CERN专家对由此抽样的订单进行了详细评估，并根据其技术强度，按照五点量表进行分类，该量表旨在捕捉供应商与CERN合作的产品特异性和密切程度的差异：  第1类：最有可能是低技术强度的“现货”订单；  第二类：平均技术强度的现货订单；  第三类：大多数是现成的，但通常是高科技的，需要一些仔细的规范；  第4类：为大型强子对撞机定制产品的中高强度规范活动的高科技订单；  第5类：技术前沿的产品，有欧洲核子研究所工作人员参与的密集定制和共同设计。我们将高科技代码定义为3、4和5类，然后根据大型强子对撞机供应商在初始采购活动中交付高科技订单的机会，将其分为两大类。根据分配给第一批订单的活动代码，我们的样本公司中有68.5%属于高科技类别，与原始CERN数据相比，略高于7.5%（61%）。存在一些分类不准确的风险，因为随着时间的推移，非高科技公司可能已经获得了满足高科技订单的能力，而且许多公司收到了不止一份订单，这些订单的编码不一定都相同。然而，数据表明，一阶通常是后续技术强度的良好预测因子。稳健性检查SA3.1生存分析：进一步结果表A1。

考克斯比例风险模型：替代性高科技分类（1）（2）（3）（4）（5）（6）（7）（8）（9）（10）k=0k=1k=2k=3k=4k=5k=6k=7k=8k≥ 90.0340.044*0.047**0.054**0.068***0.081***0.089***0.072**-0.0090.034（0.028）（0.026）（0.024）（0.023）（0.024）（0.025）（0.029）（0.033）（0.047）（0.052）%HTOi0.1790.1810.1850.1840.1880.1950.2010.1960.1770.180（0.222）（0.222）（0.222）（0.222）（0.222）（0.222）（0.222）（0.222）（0.222）（0.222）（0.223）订单10.003-0.001-0.002-0.004-0.008-0.011-0.0070.0020.0140.012（0.046）（0.046）（0.046）（0.046）（0.046）（0.046）（0.046）（0.046）（0.045）Mediumi0.5150.5170.5180.5230.5300.5340.5300.5230.5200.520（0.347）（0.346）（0.346）（0.346）（0.346）（0.346）（0.347）（0.348）（0.350）（0.350）更大1.162***1.160***1.159***1.164***1.171***1.175***1.167***1.162***1.171***（0.343）（0.342）（0.343）（0.343）（0.343）（0.344）（0.344）（0.346）（0.346）V Largei2.053***2.055***2.060***2.070***2.089***2.101***2.095***2.071***2.049***2.050***（0.367）（0.365）（0.365）（0.365）（0.366）（0.366）（0.367）（0.367）（0.369）（0.369）pctc，t0.0020.0020.0010.0010.0020.0010.0020.0020.002（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）CYESYESYESYESYESYESYESYESYESYESYESYES是SYESYESYESYESYESYESYESYESYESYESYESYES*p值<0.10，**p值<0.05，***p值<0.01注：国家(c） 和部门(s） 所有规范中都包含固定效果。。括号内为异方差稳健标准误差。%HTOi表示高科技订单占收到订单总数的份额。表A2。Cox比例风险模型：否。

代替总订单金额的订单（1）（2）（3）（4）（5）（6）（7）（8）（9）（10）k=0k=1k=2k=3k=4k=5k=6k=7k=8k≥ 90.0390.044*0.047**0.054**0.068***0.081***0.089***0.072**-0.0090.034（0.028）（0.026）（0.024）（0.023）（0.024）（0.025）（0.029）（0.033）（0.047）（0.052）高科技0.1440.1810.1850.1840.1880.1950.2010.1960.1770.180（0.215）（0.222）（0.222）（0.222）（0.222）（0.222）（0.222）（0.222）（0.222）（0.222）（0.223）#订单I-0.073-0.001-0.002-0.004-0.008-0.011-0.0070.0020.0140.012（0.080）（0.046）（0.046）（0.046）（0.046）（0.046）（0.046）（0.046）（0.045）Mediumi0.4640.5170.5180.5230.5300.5340.5300.5230.5200.520（0.340）（0.346）（0.346）（0.346）（0.346）（0.346）（0.346）（0.346）（0.347）（0.348）（0.350）（0.350）更大1.151***1.160***1.159***1.164***1.171***1.175***1.167***1.162***1.171***（0.338）（0.342）（0.342）3）（0.343）（0.343）（0.344）（0.344）（0.346）（0.346）V大2.041***2.055***2.060***2.070***2.089***2.101***2.095***2.071***2.049***2.050***（0.355）（0.365）（0.365）（0.365）（0.366）（0.366）（0.367）（0.367）（0.369）（0.369）pctc，t0.0020.0020.0010.0010.0020.0010.0020.0020.002（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）（0.003）CYESYESYESYESYESYESYESYESYESYESYESYES是SYESYESYESYESYESYESYESYESYESYESYESYES*p值<0.10，**p值<0.05，***p值<0.01注：国家(c） 和部门(s） 所有规范中都包含固定效果。。括号内为异方差稳健标准误差#Orderi表示公司i收到的LHC相关订单总数的对数。A3.2计数数据模型：进一步结果表A3。

计数数据模型–全样本（1）（2）（3）（4）（5）（6）PoissonPoissonNegbinNegbinNegbinNegbin0.2590.2470.2290.1260.1540.130(0.167)(0.161)(0.180)(0.207)(0.193)(0.189)0.766***0.641***0.603**0.522**0.516**0.483**(0.217)(0.222)(0.249)(0.250)(0.257)(0.216)0.442***0.292*0.2510.2470.1780.135(0.150)(0.155)(0.212)(0.297)(0.283)(0.270)0.687**0.593**0.549*0.3550.2980.243（0.268）（0.274）（0.296）（0.326）（0.304）（0.327）CERN（5,6）1.528***1.394***1.368***1.012***0.963***0.899***（0.284）（0.292）（0.357）（0.348）（0.304）（0.316）1.297***1.264***1.165**1.352***1.410***1.303***(0.348)(0.376)(0.553)(0.404)(0.419)(0.390)1.076***0.807**0.7210.2350.1770.083（0.337）（0.355）（0.516）（0.574）（0.596）（0.732）高科技0.534*0.690**0.648***0.641*0.796**0.763**（0.284）（0.247）（0.336）（0.319）（0.329）Mediumi2.659**2.596**2.631**2.707**2.651**2.671**（1.281）（1.216）（1.172）（1.233）（1.155）（1.117）大3.005**2.926**2.932**3.082***3.025***3.033***（1.256）（1.267）（1.248）（1.144）（1.137）（1.130）V大5.519***5.173***5.123***5.274***4.890***4.855***（1.395）（1.425）（1.477）（1.254）（1.286）（1.321）平均pi0.1840.2500.2860.3830.5160.536（0.430）（0.438）（0.411）（0.411）（0.427）（0.399）IFAit0.121**0.121**0.133***（0.049）（0.048）（0.051）（0.052）订单10.0350.034（0.118）（0.124）pctc，t-0.028-0.020（0.024）（0.034）过度分散()3.51233.30613.3070c0.00000.00000.00000.00000.00000.0000s0.00000.00000.00000.00000.00000.0000t0.00040.00000.00000.00000.00000.0000*p<0.1，**p<0.05，***p<0.01。注：标准错误。括号内按扇区（即2位NACE代码）分组；“”国家FE（“部门FE”/“年度FE”）显示了与联合零假设Wald检验相关的p值，即国家（部门/年度）固定效应在统计上不显著。过度分散试验（p值）：414.90（0.0000）、380.55（0.0000）、377.23（0.0000）。

当IFA中缺少值时，回归还包括一个等于1的虚拟变量。表A4。计数数据模型-无线索（1）（2）（3）（4）（5）（6）PoissonPoissonNegbinNegbinNegbinNegbin0.555**0.459*0.452*0.481*0.484*0.487*(0.253)(0.259)(0.268)(0.255)(0.264)(0.258)0.1790.0510.0530.1220.0600.066(0.167)(0.178)(0.195)(0.186)(0.185)(0.180)0.3780.2790.2930.1420.0740.087（0.271）（0.262）（0.262）（0.232）（0.200）（0.179）CERN（5,6）1.181***1.031***1.082***0.863***0.816***0.835***（0.372）（0.393）（0.398）（0.330）（0.291）0.901**0.812*0.8191.036**1.071***1.081***(0.372)(0.433)(0.523)(0.432)(0.413)(0.380)0.6880.3560.3690.090-0.054-0.034（0.448）（0.529）（0.593）（0.436）（0.472）（0.524）高科技0.433**0.660**0.675**0.639**0.788***0.799**（0.189）（0.303）（0.307）（0.256）（0.281）（0.317）Mediumi3.059**2.942**2.954**3.272**3.186**3.187***（1.533）（1.450）（1.429）（1.337）（1.238）（1.223）大2.954**2.791*2.800*2.899**2.875**2.881**（1.475）（1.438）（1.442）（1.293）（1.213）（1.219）V大4.757***4.414***4.424***4.543***4.260***4.265***（1.652）（1.630）（1.651）（1.481）（1.446）（1.463）平均pi-0.054-0.030-0.0320.0310.1290.126（0.545）（0.588）（0.598）（0.469）（0.511）（0.508）IFAit0.106*0.109*0.112**（0.059）（0.058）.058）（0.051）（0.048）订单I-0.007-0.006（0.097）（0.104）pctc，t-0.030-0.012（0.024）（0.035）过度分散()2.11461.99171.9878c0.00000.00000.00000.00000.00000.0000s0.00000.00000.00000.00000.00000.0000t0.00000.00460.00000.00000.00000.0000*p<0.1，**p<0.05，***p<0.01注：标准误差。括号内按扇区（即2位NACE代码）分组；“”国家FE（“部门FE”/“年度FE”）显示了与联合零假设Wald检验相关的p值，即国家（部门/年度）固定效应在统计上不显著。过度分散试验（p值）：299.04（0.0000）、274.81（0.0000）、272.15（0.0000）。

当IFA中缺少值时，回归还包括一个等于1的虚拟变量。表A5。计数数据模型-较大样本（IFAit中有5个缺失值）（1）（2）（3）（4）（5）（6）泊松泊松泊松负宾尼格宾0.2490.2460.2410.2070.2310.227(0.201)(0.197)(0.202)(0.214)(0.213)(0.213)0.699**0.596*0.583*0.596*0.600*0.595*(0.325)(0.333)(0.347)(0.339)(0.346)(0.341)0.2710.1420.1340.2120.1650.157(0.241)(0.261)(0.290)(0.271)(0.269)(0.273)0.5090.3960.3940.2720.2140.200（0.354）（0.369）（0.381）（0.339）（0.330）（0.327）CERN（5,6）1.374***1.215**1.237**1.031**1.002**0.982**（0.450）（0.484）（0.505）（0.444）（0.424）（0.434）1.044**0.940*0.9211.111*1.156**1.142**(0.488)(0.535)(0.641)(0.588)(0.572)(0.565)0.8460.5320.5200.2630.1260.100（0.518）（0.580）（0.660）（0.472）（0.496）（0.592）高科技0.471**0.699**0.694**0.642**0.790***0.780**（0.191）（0.294）（0.293）（0.270）（0.289）（0.329）Mediumi3.299**3.184**3.200**3.489***3.427***（1.481）（1.393）（1.370）（1.297）（1.191）（1.176）大2.940**2.779**2.785**2.909**2.888**2.882**（1.467）（1.418）（1.411）（1.286）（1.201）（1.203）V大4.822***4.482***4.480***4.572***4.314***4.309***（1.637）（1.614）（1.474）（1.440）（1.449）平均pi-0.063-0.038-0.0260.0860.1820.185（0.492）（0.511）（0.503）（0.434）（0.471）（0.459）IFAit0.103*0.104**0.102**（0.055）（0.055）0.053）（0.047）（0.043）订单10.0060.006（0.100）（0.108）pctc，t-0.0230.008（0.027）（0.033）过度分散()2.21292.09882.1012c0.00000.00000.00000.00000.00000.0000s0.00000.00000.00000.00000.00000.0000t0.00740.08920.00030.00660.00000.0000*p<0.1，**p<0.05，***p<0.01注：标准误差。按行业分类（即。

括号中的2位NACE代码；“”国家FE（“部门FE”/“年度FE”）显示了与联合零假设Wald检验相关的p值，即国家（部门/年度）固定效应在统计上不显著。过度分散试验（p值）：320.39（0.0000）、295.94（0.0000）、294.26（0.0000）。当IFA中缺少值时，回归还包括一个等于toone的虚拟变量。表A6。计数数据模型-较大样本（IFAit中有6个缺失值）（1）（2）（3）（4）（5）（6）泊松泊松泊松负宾尼格宾0.287*0.299*0.286*0.2110.2480.233(0.173)(0.167)(0.169)(0.201)(0.198)(0.190)0.786***0.714***0.691**0.660**0.683**0.663**(0.261)(0.249)(0.270)(0.268)(0.276)(0.261)0.421**0.3180.2950.3370.3040.279(0.195)(0.207)(0.223)(0.251)(0.251)(0.237)0.649*0.573*0.553*0.3620.3290.292（0.347）（0.348）（0.319）（0.331）（0.324）（0.276）CERN（5,6）1.524***1.404***1.410***1.100**1.087***1.044***（0.417）（0.426）（0.400）（0.431）（0.403）（0.358）1.192***1.143***1.099**1.173**1.260**1.212***(0.359)(0.381)(0.486)(0.507)(0.515)(0.461)0.999**0.7600.7230.3460.2680.208（0.494）（0.509）（0.553）（0.501）（0.525）（0.556）高科技0.576***0.775***0.762***0.767***0.900***0.881***（0.191）（0.289）（0.282）（0.220）（0.256）（0.275）Mediumi3.567**3.464**3.470**3.660***3.595***3.595 4***（1.480）（1.353）（1.357）（1.255）（1.114）（1.096）大3.082**2.932**2.931**3.028**3.006***3.001***（1.455）（1.373）（1.374）（1.236）（1.114）（1.105）V大4.950***4.570***4.558***4.621***4.318***4.305***（1.624）（1.594）（1.613）（1.420）（1.367）（1.359）平均。

pi0.4780.4710.4840.4790.5450.555（0.412）（0.423）（0.411）（0.432）（0.434）（0.421）IFAit0.105*0.105**0.113**0.111**（0.054）（0.053）（0.051）（0.049）订单I0.0130.019（0.084）（0.087）pctc，t-0.0230.002（0.028）（0.036）过度分散()2.26232.14932.1521c0.00000.00000.00000.00000.00000.0000s0.00000.00000.00000.00000.00000.0000t0.01450.08820.03170.00020.00000.0000*p<0.1，**p<0.05，***p<0.01注：标准误差。括号内按扇区（即2位NACE代码）分组；“”国家FE（“部门FE”/“年度FE”）显示了与联合零假设Wald检验相关的p值，即国家（部门/年度）固定效应在统计上不显著。过度分散试验（p值）：356.00（0.0000）、332.26（0.0000）、330.38（0.0000）。当IFA中缺少值时，回归SO包括一个等于1的虚拟变量。表A7。计数数据模型-编号。

代替订单金额的订单数量（1）（2）（3）（4）（5）（6）PoissonPoissonNegbinNegbinNegbinNegbin0.1640.1670.0940.1220.1510.089(0.214)(0.204)(0.226)(0.229)(0.220)(0.231)0.637**0.5430.4390.546*0.564*0.478(0.324)(0.334)(0.363)(0.315)(0.323)(0.303)0.2710.1450.0200.1910.1460.045(0.236)(0.257)(0.325)(0.255)(0.253)(0.270)0.4820.3860.2270.2260.1770.032（0.341）（0.352）（0.393）（0.311）（0.296）（0.303）CERN（5,6）1.293***1.147**0.980*0.954**0.927**0.747*（0.449）（0.487）（0.547）（0.419）（0.397）（0.412）1.021**0.934*0.6511.132**1.190**0.940**(0.452)(0.510)(0.693)(0.506)(0.498)(0.474)0.8080.4790.1950.1870.066-0.174（0.544）（0.634）（0.819）（0.508）（0.549）（0.728）高科技0.426**0.653**0.588**0.632**0.782***0.728**（0.193）（0.307）（0.249）（0.259）（0.283）（0.286）Mediumi3.098**2.982**3.075**3.301**3.221***3.274***（0）1.549）（1.466）（1.298）（1.356）（1.250）（1.134）大2.983**2.821*2.819**2.921**2.901**2.904**（1.492）（1.456）（1.348）（1.311）（1.225）（1.160）V大4.787***4.446***4.427***4.561***4.279***4.289***（1.665）（1.647）（1.525）（1.488）（1.448）（1.350）平均pi-0.041-0.0170.0940.0370.1380.197（0.559）（0.603）（0.500）（0.470）（0.512）（0.451）IFAit0.105*0.099*0.113**（0.059）（0.051）053）（0.050）（0.044）#订单10.1560.132（0.221）（0.219）pctc，t-0.029-0.012（0.024）（0.036）过度分散()2.11381.99051.9684c0.00000.00000.00000.00000.00000.0000s0.00000.00000.00000.00000.00000.0000t0.00000.00880.00000.00110.00000.0000*p<0.1，**p<0.05，***p<0.01注：标准误差。括号内按扇区（即2位NACE代码）分组；“”国家FE（“部门FE”/“年度FE”）显示了与联合零假设Wald检验相关的p值，即国家（部门/年度）固定效应在统计上不显著。过度分散试验（p值）：298.13（0.0000）、274.01（0.0000）、265.79（0.0000）。

当IFA中缺少值时，回归SO包括一个等于1的虚拟变量。表A8。计数数据模型.替代性高科技分类（1）（2）（3）（4）（5）（6）泊松泊松泊松负BinNegbIngbin0.1880.2080.2170.1470.1830.184(0.218)(0.210)(0.219)(0.231)(0.225)(0.226)0.666**0.593*0.590*0.578*0.605*0.606*(0.327)(0.332)(0.353)(0.320)(0.328)(0.323)0.3100.2090.2190.2390.2020.205(0.241)(0.254)(0.288)(0.257)(0.252)(0.256)0.5330.4710.4940.2880.2520.259（0.348）（0.355）（0.379）（0.322）（0.302）（0.297）CERN（5,6）1.351***1.241**1.306**1.031**1.021**1.032**（0.452）（0.483）（0.518）（0.433）（0.410）（0.420）1.084**1.037**1.055*1.219**1.295***1.293***(0.439)(0.494)(0.623)(0.513)(0.496)(0.482)0.871*0.5570.5840.2940.1920.199（0.525）（0.585）（0.688）（0.509）（0.543）（0.627）%HTOi0.510***0.798***0.816***0.659**0.833**0.837**（0.135）（0.218）（0.239）（0.309）（0.333）（0.369）Mediumi3.209**3.153**3.170**3.373**3.315**3.320**（1.621 8）（1.532）（1.515）（1.428）（1.326）（1.312）大3.086**2.977**2.992**2.991**2.997**（1.538）（1.482）（1.504）（1.358）（1.277）（1.290）V大4.869***4.558***4.575***4.613***4.341***4.344***（1.709）（1.674）（1.713）（1.522）（1.483）（1.501）平均pi-0.0200.0170.0150.0410.1480.149（0.591）（0.649）（0.653）（0.489）（0.538）（0.526）IFAit0.112**0.115**0.115**0.116***（0.053）（0.053）2）（0.046）（0.043）订单I-0.0090.000（0.098）（0.104）pctc，t-0.032-0.013（0.025）（0.035）过度分散()2.09121.95601.9530c0.00000.00000.00000.00000.00000.0000s0.00000.00000.00000.00000.00000.0000t0.00000.01010.00000.00100.00000.0000*p<0.1，**p<0.05，***p<0.01注：标准误差。括号内按扇区（即2位NACE代码）分组；“”国家FE（“部门FE”/“年度FE”）显示了与联合零假设Wald检验相关的p值，即国家（部门/年度）固定效应在统计上不显著。

过度分散试验（p值）：295.63（0.0000）、268.21（0.0000）、265.26（0.0000）。当IFA中缺少值时，回归SO包括一个等于1的虚拟变量。