Detailansicht
Evaluating the effectiveness of targeted R&D subsidies
a staggered difference-in-differences analysis of the "KMU-innovativ" program in the German automotive industry
Dominik Jonas Pfeifer
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Betriebswirtschaft
Betreuer*in
Stefan Wagner
DOI
10.25365/thesis.81216
URN
urn:nbn:at:at-ubw:1-11045.75644.411777-0
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Masterarbeit untersucht, ob die Förderung durch das Programm KMU-innovativ dazu führt, dass deutsche KMU der Automobilbranche mehr Patente anmelden. Grundlage ist ein gematchtes Panel von 387 Unternehmen (96 geförderte, 291 Kontroll-unternehmen), die jährlich von 2004 bis 2024 beobachtet werden. Die Patentdaten stam-men aus drei Datenbanken (PATSTAT, LENS.ORG und DPMA) und werden nach dem Maximum-Prinzip zusammengeführt, um Untererfassungen zu vermeiden. Der kausale Effekt wird mit einem gestaffelten Difference-in-Differences-Ansatz und einem Poisson-Pseudo-Maximum-Likelihood-Schätzer (PPML) geschätzt, der sowohl die zeitlich ver-setzten Förderzeitpunkte als auch den hohen Nullanteil von über 92 % in den jährlichen Patentzahlen berücksichtigt. Das zentrale Ergebnis ist ein Nullbefund. Das gepoolte Modell zeigt weder in der aktiven Förderphase (IRR = 0,887; p = 0,665) noch in der Nachförderphase (IRR = 1,270; p = 0,545) einen signifikanten Behandlungseffekt auf die Patentaktivität. Die Event-Study-Spezifikation bestätigt parallele Patentverläufe vor der Förderung. Der einzi-ge individuell signifikante Koeffizient tritt bei k = 0 auf, dem Jahr des Förderbeginns: Geförderte Unternehmen meldeten rund 44 % weniger Patente an als vergleichbare Kon-trollunternehmen (IRR = 0,562; p = 0,029). Dieses Ergebnis ist vereinbar mit den Koor-dinationskosten, die beim Eintritt in F&E-Konsortien mit mehreren Partnern entstehen, beruht jedoch auf einem einzelnen Koeffizienten und ist daher als Hinweis und nicht als gesicherter Befund einzuordnen. Ein wesentlicher Teil der Analyse widmet sich der Frage, warum der Nullbefund zustande kommt. Eine logistische Regression zeigt, dass 86 der 96 geförderten Unter-nehmen zu Studienbeginn weniger als 150 Beschäftigte hatten. Dies entspricht dem Schwellenwert, ab dem die Patentierungswahrscheinlichkeit in dieser Stichprobe erstmals 50 % erreicht. Die Mehrheit der Programmteilnehmer bewegt sich also in einem Größen-bereich, in dem Patentanmeldungen unabhängig von der tatsächlichen Innovationstätigkeit keine regelmäßige unternehmerische Praxis darstellen. Der Nullbefund ist daher eher als Diskrepanz zwischen der gewählten Evaluationsmetrik und der untersuchten Firmenpopu-lation zu verstehen als Beleg dafür, dass das Programm keine Wirkung auf die Innovation entfaltet hat.
Abstract
(Englisch)
This thesis asks whether receiving KMU-innovativ funding leads German auto-motive SMEs to file more patents. The study builds a matched panel of 387 firms, 96 of which received KMU-innovativ grants and 291 that serve as controls, observed annually from 2004 to 2024. Patent data are collected from three databases (PATSTAT, LENS.ORG, and DPMA) and combined using the maximum count across sources to minimize undercounting. The causal effect is estimated using a staggered Difference-in-Differences design with a Poisson Pseudo-Maximum Likelihood estimator, which han-dles both the different entry dates of treated firms and the fact that over 92% of firm-year patent counts are zero. The main result is a null. The pooled model finds no significant treatment effect on patent output, neither during the active treatment phase (IRR = 0.887, p = 0.665) nor in the post-treatment period (IRR = 1.270, p = 0.545). The event study confirms that treated and control firms followed parallel patent trajectories before treatment. The only individu-ally significant coefficient is at k = 0, the year firms received the grant, where treated firms filed roughly 44% fewer patents than controls (IRR = 0.562, p = 0.029). This is con-sistent with the coordination costs of entering multi-partner R&D consortia, though the result rests on a single coefficient and should be treated as suggestive rather than defini-tive. A key part of the analysis asks why the null result arises. A logistic regression shows that 86 of the 96 treated firms had fewer than 150 employees at baseline, which is the threshold at which patenting probability first crosses 50% in this sample. Most pro-gram recipients simply operate in a size range where patent filing is not something firms do regularly, regardless of how innovative they are. This suggests that the null result is better understood as a mismatch between the evaluation metric and the population being evaluated, rather than as evidence that the program had no effect on innovation.
Schlagwörter
Schlagwörter
(Deutsch)
F&E-Förderung Patentoutput KMU-Innovation Difference-in-Differences KMU-innovativ
Schlagwörter
(Englisch)
R&D subsidies patent output SME innovation Difference-in-Differences KMU-innovativ
Autor*innen
Dominik Jonas Pfeifer
Haupttitel (Englisch)
Evaluating the effectiveness of targeted R&D subsidies
Hauptuntertitel (Englisch)
a staggered difference-in-differences analysis of the "KMU-innovativ" program in the German automotive industry
Publikationsjahr
2026
Umfangsangabe
IX, 79 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Stefan Wagner
Klassifikationen
85 Betriebswirtschaft > 85.03 Methoden und Techniken der Betriebswirtschaft ,
85 Betriebswirtschaft > 85.15 Forschung und Entwicklung
AC Nummer
AC17896380
Utheses ID
80612
Studienkennzahl
UA | 066 | 915 | |