اطلاعیه

مقاله انگلیسی روابط پیچیده تحقیق و توسعه، تبلیغات و صادرات در شرکت‌های تولیدی

سلام دوست من ، توی این پست براتون یه مقاله انگلیسی ۲۰۲۴ که در دسته مقالات مدیریت بازرگانی هست، منتشر کردیم. این مقاله یه مقاله ISI و علمی پژوهشی هست که توی پایگاه امرالد در سال ۲۰۲۴ منتشر شده. فایل انگلیسی شامل ۳۳ صفحه PDF هست بخش هایی از مقاله انگلیسی ترجمه شده که قبل از سفارش می تونید کیفیت ترجمه رو بررسی کنید. برای سفارش ترجمه کامل مقاله روی گزینه ثبت سفارش ترجمه کلیک کنید بعد از ثبت سفارش پیش فاکتور از طریق ایمیل و پیامک خدمتتون ارسال میشه. اگر سوالی بود می تونید زیر این پست کامنت بزارید سریع جوابتونو میدم.

کد محصول: M1588

سال نشر: ۲۰۲۴

نام ناشر (پایگاه داده): امرالد

نام مجله: Benchmarking: An International Journal

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : دارد

فرضیه: ندارد

مدل مفهومی:  دارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: ۳۳  صفحه PDF

عنوان کامل فارسی:

مقاله انگلیسی ۲۰۲۴: روابط پیچیده تحقیق و توسعه، تبلیغات و صادرات در شرکت‌های تولیدی ایالات متحده: اثرات متفاوت ظرفیت ها

عنوان کامل انگلیسی:

Complex interplay of R&D, advertising and exports in USA manufacturing firms: differential effects of capabilities

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

دانلود رایگان مقاله بیس انگلیسی

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M1587)

ثبت سفارش ترجمه تخصصی در تمامی رشته ها

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

مقالات انگلیسی مرتبط با این موضوع جدید

فهرست مطالب

چکیده
۱. مقدمه
۲. مروری بر ادبیات
۲.۱ ظرفیت های شرکت
۲.۲ اثر متقابل شدت تبلیغات و شدت تحقیق و توسعه
۲.۳ اثر متقابل شدت صادرات و شدت تحقیق و توسعه
۲.۴ اثر متقابل شدت صادرات و شدت تبلیغات
۳. روش ها
۳.۱ پرسپترون چند لایه (MLP) به عنوان یک مدل پیش بینی
۳.۲ طراحی فرآیند تحلیلی
۳.۳ داده ها و متغیرها
۴. نتایج
۴.۱ تجزیه و تحلیل اثر توضیحی با استفاده از MRA
۴.۲ طراحی شبکه پیشرو و گروه بندی قابلیت با استفاده از MLP
۴.۳ تجزیه و تحلیل تأثیر افتراقی و تاثیر هم افزایی
۵. بحث، پیامدها و جمع بندی
۵.۱ بحث
۵.۲ مفاهیم نظری
۵.۳ مفاهیم عملی
۵.۴ جمع بندی

چکیده فارسی

هدف – هدف این مطالعه بررسی اثر متقابل پویای منابع کلیدی (یعنی تحقیق و توسعه (R&D)، تبلیغات و صادرات) در تأثیرگذاری بر عملکرد شرکت‌های تولیدی ایالات متحده است. به طور خاص، نویسندگان تأثیر پویای منابع مشترک را بررسی کرده و مقیاس‌های اثر تفاضلی مشروط به ظرفیت های شرکت را پیش‌بینی می‌کنند.

طراحی/روش‌شناسی/رویکرد – این مطالعه یک مدل‌سازی شبکه عصبی پرسپترون چندلایه (MLP) – تحلیل رگرسیون چندگانه ترکیبی (MRA) ارائه می‌کند و اثرات متقابل و پیچیده ظرفیت ها، منابع و عملکرد را بررسی می‌کند. به عنوان یک رویکرد نوآورانه، مدل MRA-MLP اثر ظرفیت ها را تحت استقرار ترکیبی منابع مشترک بررسی می‌کند.

یافته‌ها – این مطالعه نشان می‌دهد که تأثیر منابع مشترک و منافع هم افزایی یکسان نیست، بلکه بر اساس شرایط ترکیبی متمایز است و این الگو بیشتر توسط ظرفیت های شرکت شکل می‌گیرد. بر این اساس، نتیجه علاوه بر دلالت بر جنبه احتمالی ظرفیت ها در طیف وسیعی از ترکیب‌های منابع، همچنین نشان می‌دهد که پیچیدگی مدیریتی در کنترل منابع تطبیقی بیش از یک اخلاق مدیریتی است.

پیامدهای عملی – فرآیند تحلیلی پیشنهادی، ابزارهای پشتیبانی تصمیم علمی را با مکانیسم‌های کنترلی با توجه به استقرار منابع متعدد و تعیین اهداف عملی فراهم می‌کند و در نتیجه گزینه‌های معیارسنجی عملی را به مدیران صنعت ارائه می‌کند.

نوآوری/ارزش – این مطالعه با استفاده از زیربنای نظری دیدگاه مبتنی بر منبع (RBV) و نظریه هماهنگ سازی منابع، ادبیات را در مورد اثرات متقابل پیچیده منابع کلیدی با ارائه یک فرآیند تحلیلی برجسته ارتقا می دهد. طراحی تجربی، که الگوهای تعاملی کل نگر را به تصویر می‌کشد، به منحصر به فرد بودن این مطالعه در زمینه پیوندهای پیچیده بین ظرفیت ها، منابع و ارزش سهامداران می‌افزاید.

کلمات کلیدی: تبلیغات، ظرفیت ها، صادرات، تحقیق و توسعه، شبکه عصبی

شکل 2. طرح تحلیلی و طراحی تجربی
شکل ۲. طرح تحلیلی و طراحی تجربی

Abstract  

Purpose – This study aims to explore the dynamic interplay of key resources (i.e. research and development (R&D), advertising and exports) in affecting the performance of USA manufacturing firms. Specifically, the authors examine the dynamic impact of joint resources and predict differential effect scales contingent on firm capabilities.

Design/methodology/approach – This study presents a combined multiple regression analysis (MRA)- multilayer perceptron (MLP) neural network modeling and investigates the complex interlinkage of capabilities, resources and performance. As an innovative approach, the MRA-MLP model investigates the effect of capabilities under the combinatory deployment of joint resources.

Findings – This study finds that the impact of joint resources and synergistic rents is not uniform but rather distinctive according to the combinatory conditions and that the pattern is further shaped by firm capabilities. Accordingly, besides signifying the contingent aspect of capabilities across a range of resource combinations, the result also shows that managerial sophistication in adaptive resource control is more than a managerial ethos.

Practical implications – The proposed analytic process provides scientific decision support tools with control mechanisms with respect to deploying multiple resources and setting actionable goals, thereby presenting pragmatic benchmarking options to industry managers.

Originality/value – Using the theoretical underpinnings of the resource-based view (RBV) and resource orchestration, this study advances knowledge about the complex interaction of key resources by presenting a salient analytic process. The empirical design, which portrays holistic interaction patterns, adds to the uniqueness of this study of the complex interlinkages between capabilities, resources and shareholder value.

Keywords: Advertising, Capabilities, Exports, R&D, Neural network

۱.Introduction

The prudent allocation of strategic resources to support technological innovation and improve export performance has been a managerial challenge for manufacturing firms competing in international markets. Although a firm’s emphasis on exports, investments in advertising, and spending on research and development (R&D) are seen as important contributors to firm performance (Carboni and Medda, 2020; Cassiman and Golovko, 2011; Golovko et al., 2022; Makrini, 2017), mainstream research has neglected the interaction effects of these contributors on firm performance. As a result, little is known about the synergistic interplay of R&D, advertising and export operations and their impact on performance at different levels of firm capabilities. The present study thus addresses an important managerial dilemma – the need to optimize levels of R&D, advertising and exports in an environment in which a firm’s capabilities may shape the outcome of these three factors’ synergistic interplay on its performance…

۵.۴ Concluding remarks

Like other studies, this research has several limitations but also suggests numerous opportunities for future research. The empirical setting was limited to large USA manufacturing industries, thereby raising questions about generalization. Hence, future research could diversify the empirical settings and experiments to different industry and country settings. In this study, we used general capabilities as a relative productivity measure for primary resources and performance. With the notion of rich definitions and conceptualizations of capabilities, it would be worth exploring alternative measures of specific capabilities (e.g. networking, operations and innovation) and subsequent moderation with selected factors (Gupta and Chauhan, 2021; Kouropalatis et al., 2019; Yang et al., 2015). Moreover, with a central focus on capabilities, the two-stage process of assessing the relative impact of strategic resources on capabilities will result in meaningful findings from both theoretical and managerial perspectives. This study used intensity measures for key factors; however, another meaningful advancement would include the expansion of R&D into technological capabilities and advertising into marketing capabilities as a comprehensive representation of input-output productivity measures (Ayabakan et al., 2017; Jacobs et al., 2016; Yang et al., 2015; Yu et al., 2018). Although the application of ANN to explore capabilities is still emerging, it would be worth comparing ANN to other machine learning techniques such as support vector machines (Moragues et al., 2023; Valero-Carreras et al., 2021). In this effort, empirical analysis using larger sample sizes and a comparative analysis of different industry sectors (e.g. manufacturing and services) and firm sizes (e.g. both large and small and medium enterprises) would result in interesting outcomes…

مقالات مرتبط با این موضوع

دانلود مقاله ۲۰۲۴ مدیریت

دانلود مقاله ۲۰۲۴ مدیریت بازرگانی

دانلود مقاله ۲۰۲۴ درباره تبلیغات

دانلود مقاله ۲۰۲۴ در مورد تحقیق و توسعه

دانلود مقاله ۲۰۲۴ در مورد شبکه های عصبی

دانلود مقاله ۲۰۲۴ درباره عملکرد شرکت

دانلود مقاله ۲۰۲۴ در مورد صادرات

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Time limit is exhausted. Please reload the CAPTCHA.