Persistens og interaksjonseffekter ved bruk av ulike offentlig finansierte FoU-virkemidler

Rapporer 2016/12 Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler Persisens og ineraksjonseffeker ved bruk av ulike offenlig finansiere FoU-virkemidler Når FoU-virkemidlene u il alle akuelle foreak? Er de noen mobilie av foreak i opp 10 prosen brukere av hver ordning over år? Hvor meningsfyl er de å sammenlikne ulike yper virkemidler? Dee er problemsillingen i delprosjeke om persisens i bruk av og ineraksjon mellom ulike virkemidler når de gjelder bruk av offenlig søe (se kapiel 5 i rapporen «Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler» av Capellen mfl., 2016). Delprosjeke undersøker også hvordan ulike observerbare foreakskjenneegn påvirker bruken av ulike ordninger. Vi bruker en formell definisjon av persisens, dvs. sannsynligheen for å få søe gi a foreake har få samme ype søe i forrige periode. Med en slik formell definisjon er høy grad av persisens ganske naurlig for foreak som driver med flerårige prosjeker som krever id når de gjelder å bygge kapasie og relevan kunnskap. Dersom de er høy grad av persisens og samidig lav mobilie i delakelse innen en ordning, så kan de indikere a de finnes barrierer som senger andre poensielle delakere ue. Ineraksjonseffeker, gjennom a delakelse i en ordning påvirker foreakes delakelse i en annen ordning, innebærer en mulig kilde il skjevhe i sammenliknende effekanalyser. 1 Delprosjeke uføres ved hjelp av esimering av økonomeriske modeller både på foreak- og prosjekdaa. De vikigse daakildene er de som er beskreve i kapiel 3 i rapporen «Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler» (Cappelen mfl., 2016), dvs. prosjekdaabasen PROVIS (EVURDERING i senere år) fra NFR, Skaefunn-prosjekdaabasen og IN-daabasen (kun Innovasjonsoppdrage) som omfaer alle prosjeker og alle prosjekansvarlige foreak som har få søe. Disse er koble med ulike regiserdaa: regnskapssaisikk for aksjeselskaper, likningsdaa og udanningssaisikk. En av fordelene med disse daaene er a de omfaer hele populasjonen av norske akjseselskaper og ikke bare de som er med i FoUundersøkelsen. 2 En annen fordel er a ved å ha daa på prosjeknivå og akkumulere dem på foreaksnivå, er de mulig å uføre analyser både på foreaks- og prosjeknivå. De viser seg a mange foreak aldri har bruk noen av søemidlene, og de bidrar derfor ikke il idenifikasjon av persisens i bruk av ulike virkemidler og ineraksjonseffeker mellom disse (se definisjonene av persisens og ineraksjonseffeker over). Dee gjør a uvalge som de økonomeriske modellene er esimer på i dee delprosjeke begrenser seg il foreak som mins en gang har vær observer med søe. 3 Resulaer av en analyse på foreaksnivå viser en posiiv men lav grad av persisens i bruken av IN-søe (ca. 22 prosen) og veldig høy grad av persisens i bruken av NFR-søe og Skaefunn (hhv. 77 og 71 prosen). Disse høye gradene av persisens for bruken av NFR- og Skaefunn-midler søes også av resulaer fra en 1 Den formelle definisjonen av ineraksjonseffeker er sannsynligheen for å få søe fra en ordning gi a foreake har få søe fra en annen ordning i forrige periode. 2 SSBs FoU-undersøkelsen er en alernaiv daakilde med informasjon om forskjellige yper offenlig søe, men den omfaer kun alle foreak med mins 50 ansae og e uvalg av foreak med 10-49 ansae, mens en beydelig del av IN- og Skaefunn-foreakene er små og inngår ikke i FoUundersøkelsen. 3 De er likevel mange observasjoner uen noen ype søe i e gi år som gjør de mulig å beregne inngangsraer inn i forskjellige ordninger. For eksempel, dersom e foreak er observer med IN-søe bare i 2009, er de med i analysen hel fra 2002 (eller fra førse observasjonsåre), siden dee foreake poensiel kunne ha søk om søe (både fra NFR, Skaefunn eller IN) idligere. Saisisk senralbyrå 1

Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler Rapporer 2016/12 analyse på prosjeknivå. Sannsynligheen for å få søe fra NFR (Skaefunn) il e ny prosjek er beydelig høyere for de foreakene som har ha e anne prosjek med en ilsvarende ype søe idligere. Dee gjelder særlig når de forrige godkjene prosjeke er fra de foregående åre. Da er sannsynligheen for å få søe il e ny prosjek hos NFR esimer il 30 prosen og for å få e ny godkjen Skaefunn-prosjek il 26 prosen. Så høy grad av persisens i bruken av NFRsøe er ikke overraskende gi a målgruppen for Forskningsråde ofe besår av forskningsinensive foreak som er avhengig av søe for å oppreholde konkurransekrafen (og derfor naurlig nok sender en koninuerlig srøm av søknader il NFR). De er vanskelig å bruke de samme argumene for nesen like høy grad av persisens i bruken av Skaefunn-ordningen (gi a den er nærings- og eknologinøyral og ilgjengelig for alle). En mulig forklaring kan være a flere foreak forsa ikke var kjen med ordningen, og a de som førs hadde a den i bruk senere hold seg il den for nye prosjeker. Samidig har Skaefunn-ordningen en beydelig høyere inngangsrae (sannsynligheen for å få søe gi a søe ikke er moa idligere) enn NFR, dvs. 14 prosen mo ilsvarende 1,2 prosen, noe som bekrefer a Skaefunn er e mer generel og inkluderende virkemiddel. De er også påvis krysseffeker mellom delakelse i forskjellige ordninger. Den sørse krysseffeken er påvis mellom bruk av NFR-søe og Skaefunn (de foreakene som har ha NFR-søe i periode har i gjennomsni 9,6 prosenpoeng høyere sannsynlighe for å få Skaefunn-søe i periode +1 sammenligne med dem som har ikke ha NFR-søe i periode ). Tilsvarende krysseffeker mellom bruk av NFR-søe og IN-søe og IN-søe og Skaefunn er på ca. 4 prosenpoeng. Disse funnene innebærer en mulig kilde il skjevhe i effekanalyser dersom e av virkemidlene analyseres uen a de as hensyn il bruk av andre virkemidler. De øvrige krysseffekene er posiive men lave (li over 1 prosenpoeng for både IN og Skaefunn når de gjelde sannsynligheen for å få NFR-søe). Likevel, gi en veldig lav inngangsrae for NFR-ordningen (på ca. 1 prosen for de som har ikke ha søe fra NFR idligere), beyr de å ha Skaefunn-prosjek eller søe fra IN fra før relaiv mye. Dvs. a sjansen for å få søe fra NFR i påfølgende periode fordobles dersom e foreak har ha Skaefunn-prosjek eller søe fra IN i inneværende periode (inngangsraene for NFR-ordningen øker fra ca. 1 prosen i ilfelle av ingen søe il 1,7 prosen i ilfelle av idligere IN-søe og il 2,1 prosen i ilfelle av idligere Skaefunn-søe). 5.1 Eablering av analysepopulasjonen og deskripiv saisikk for bruk av forskjellige søeordninger Den mes relevane populasjonen for vår uredning av i hvilken grad IN-, NFR- og Skaefunn-ordningene gjenbrukes og i hvilken grad bruk av en ordning påvirker bruk av de andre ordningene besår av alle foreak som har vær observer med offenlig søe mins en gang (i løpe av 1991-2013 for NFR-søe, 2000-2013 for IN-søe og 2002-2013 for Skaefunn). Disse foreakene er definer som «poensielle søkere». 4 Gi de formelle definisjonene av persisens og ineraksjonseffeker, er en avhengig av å sudere de foreakene som har benye noen av virkemidlene siden en er ineresser i endringer i brukernes aferd. Foreak som 4 Dvs. a hvis e foreak er observer med f.eks. NFR-søe i 1999, er de med i analysen siden dee foreake poensiel kunne søke om søe senere. De samme gjelder for e foreak som er observer med f.eks. Skaefunn-søe i 2010. De er med i analysen hel fra 2002 (eller fra de førse observasjonsåre), siden de poensiel kunne søke om søe (både fra NFR, Skaefunn eller IN) idligere. Samidig kan en slik definisjon av analysepopulasjon ha som konsekvens a nyeablere foreak er inkluder i sample neopp fordi de har få søe. Dee kan rekker opp resulaene for sannsynligheen for å få søe for unge foreak. For å sjekke dee, esimerer vi også modellen på e balanser sampel (dvs. vi inkluderer kun de foreakene som er med i hele analyseperioden). Resulaene forøvrig if. foreakes sørrelse, region og næring bør ikke påvirkes av uvalges definisjon. Sannsynligheene for å få søe i en gi periode beregnes beinge på søeilsand i forrige periode og er derfor uavhengig av hvor i observasjonsperioden foreake befinner seg. 2 Saisisk senralbyrå

Rapporer 2016/12 Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler aldri har bruk noen av søemidlene bidrar ikke il idenifikasjon av slike effeker. Selve analysen er ufør for perioden 2002-2013 når alle ordninger var ilgjengelige for norske foreak. Informasjon om NFR- og IN-søe fra før 2002 benyes også i modellen for å skille mellom foreak med idligere søe og foreak som aldri har få søe før saren av analyseperioden. For å represenere denne populasjonen av poensielle søkere bes mulig, samidig som vi balanserer dee mo behove for relevane bakgrunnsvariabler, vil vår uvalg beså av foreak som er inkluder både i virkemiddelsdaabasen (som inneholder informasjon om søe fra IN, NFR og Skaefunn) og i regnskapssaisikken for aksjeselskaper i perioden 2002-2013. Dee beyr samidig a informasjonsilgangen er begrense il senrale regnskapsvariabler, dvs. daa for anall ansae, sam foreakes alder, region og næring. Informasjonen om foreakes likvidiessiuasjon fra likningsdaa og om ansaes udannelsesnivå fra udanningssaisikken benyes også. Tabell 5.1 gir en oversik over anall foreak i S-populasjonen (S=søemoaker) i forhold il oalpopulasjonen 5 og anall foreak som har moa søe i e gi år. De er verd å merke seg a en vesenlig del av AS-foreakene faller uenfor analysen i denne delrapporen (ca. 95 prosen), siden de aldri har få noe søe og derfor ikke kan bidra med noe informasjon om brukernes aferd. Likevel, er de beydelig flere foreak som er med i analysen sammenligne med for eksempel de som er med i FoU-undersøkelsen. 6 Tabell Feil! De er ingen eks med den angie silen i dokumene..1 Anall foreak i S-populasjonen i forhold il oalpopulasjonen IN-søe NFR-søe SKF-fradrag Toalpop. S-pop. oalpop. Foreak 1 Median 2 Foreak 1 Median 2 Foreak 1 Median Andel av Årgang 2 2002 92 698 5 976 6,45% 218 604 288 438 1 594 324 2003 94 541 6 384 6,75% 227 500 301 392 2 915 322 2004 93 606 6 612 7,06% 252 448 273 600 3 165 326 2005 98 633 6 794 6,89% 209 474 315 730 2 454 340 2006 104 083 6 968 6,69% 294 310 373 953 2 303 370 2007 105 411 7 088 6,72% 331 548 383 1 000 2 151 353 2008 105 804 7 091 6,70% 380 615 481 1 125 1 999 379 2009 104 709 7 034 6,72% 695 800 398 1 258 2 032 430 2010 105 789 6 975 6,59% 495 672 383 1 352 2 080 434 2011 107 616 6 942 6,45% 453 570 360 1 350 2 101 476 2012 114 316 7 167 6,27% 505 662 458 1 355 2 215 502 2013 117 666 6 765 5,75% 546 518 483 1 218 2 410 520 Foreak i al: 204 361 9 815 4,80% 2 977 1 321 8 138 1 Foreak observer med søe i e gi år; 2 Beregne baser på fakisk søe i 1000 kr. Tabell 5.2 gir en oversik over hvor ofe hver søemiddel var bruk av S-foreak i 2002-2013. Man kan se a IN-søe brukes mins hyppig av de re søemidlene som er med i analysen, dvs. a bare 13 prosen av IN-foreakene har få IN-søe flere enn o ganger i løpe av 2002-2013, mens ilsvarende andeler for NFR- og SKF-foreakene er på ca. 50 prosen. De sise o gruppene har også flere observasjoner per foreak, som beyr a de er relaiv flere IN-foreak blan S- foreak som er nye eller som forsvinner u i løpe av perioden 2002-2013. For å konrollere for dee rapporerer vi også anall år med søe (og frekvens) avhengig av anall observasjoner per foreak i abell A3 i vedlegge. De er 32 prosen av IN- 5 Toalpopulasjonen besår av alle AS-foreak som er med i SSBs regnskapssaisikk der en har informasjon om anall ansae, alder, næring og region. 6 SSBs FoU-undersøkelsen har likevel en verdifull informasjon om foreakes FoU-inveseringer som vi bruker ved analyse av avkasningen av FoU i kapiel 7 i rapporen «Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler» (Cappelen mfl., 2016), hvor bare foreak med mins 50 ansae er inkluder. Saisisk senralbyrå 3

Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler Rapporer 2016/12 foreakene som er med i alle årene i perioden 2002-2013, mens ilsvarende andeler for NFR- og SKF-foreakene er på ca. 43 og 40 prosen. De er også verd å merke seg a andelen foreak observer med søe i flere enn o år i løpe av 2002-2013 er beydelig høyere for NFR- og SKF-foreak som er med i hele analyseperioden (dvs. 62 prosen for NFR-foreakene og 61 prosen for SKF-foreakene), mens den ilsvarende andelen for IN-foreakene er forsa lav (dvs. 18 prosen). Samidig er de 3 prosen av NFR- og SKF-foreakene som er regisrer med bare en observasjon mo 4,7 prosen av IN-foreakene (ca. halvparen av disse er nye foreak i 2013). Disse blir ikke med i analysen siden de brukes en modell hvor dynamikk inngår, som krever a e foreak må være observer mins o ganger (fire ganger i prosjekanalyse) for å være med. Tabell Feil! De er ingen eks med den angie silen i dokumene..2 Frekvens av bruk av forskjellige søemidler for S-populasjonen i 2002-2013 IN-foreak NFR-foreak SKF-foreak Anall ganger Anall Andel Anall Andel Anall Andel 1 2 037 68,4 % 400 30,3 % 2 192 26,9 % 2 549 18,4 % 258 19,5 % 1 889 23,2 % 3 222 7,5 % 177 13,4 % 1 271 15,6 % 4 100 3,4 % 152 11,5 % 785 9,6 % 5 40 1,3 % 93 7,0 % 531 6,5 % 6 15 0,5 % 55 4,2 % 416 5,1 % 7 6 0,2 % 59 4,5 % 294 3,6 % 8 2 0,1 % 33 2,5 % 233 2,9 % 9 4 0,1 % 33 2,5 % 162 2,0 % 10 2 0,1 % 20 1,5 % 147 1,8 % 11 0 0% 20 1,5 % 121 1,5 % 12 0 0% 21 1,6 % 97 1 % Anall foreak 2 977 1 321 8 138 Anall obs. per foreak Median 8 11 10 Gjennomsni 7,90 8,87 8,56 Anall år med søe Median 1 3 2 Gjennomsni 1,55 3,40 3,37 Tabell 5.3 viser overganger mellom forskjellige ilsander i forhold il forskjellige yper søe mellom periode -1 og periode, sam inngangsraer for forskjellige ordninger for de som hadde ikke noen søe i periode -1 (for overganger mellom forskjellige ilsander i forhold il forskjellige yper søe mellom periode og periode +1, sam ugangsraer, se abell A4 i vedlegge). Denne ypen overgangsanalyse gir empiriske esimaer for overgangssannsynligheer fra en ilsand il en annen. I forskjell il mer vanlig overgangsanalyse, ser vi ikke på hele uvalge under e, men skiller mellom opp 10 prosen av søemoakere og de reserende 90 prosen for å se på mobilieen innenfor hver av disse o gruppene (se abell 4.4 for fordeling av oal søebeløp mellom disse o gruppene). Tabell 5.3 (og A4) viser høy mobilie inn og u av IN-ordningen. Dee gjelder både for opp 10 prosen av søemoakere og de reserende 90 prosen. Samidig er mobilieen blan de foreakene som får NFR-søe veldig lav, særlig blan opp 10 prosen av søemoakere (il sammen var 91,7 prosen av foreakene i opp 10 prosen av NFR-søemoakere i periode også blan NFR-søemoakere i forrige periode, hvor hel 67,5 prosen var blan opp 10 prosen av søemoakere i forrige periode). Mobilieen blan Skaefunn-moakere er noe høyere enn for de som får NFR-søe men forsa mye lavere enn for de som får IN-søe. 4 Saisisk senralbyrå

Rapporer 2016/12 Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler Tabell Feil! De er ingen eks med den angie silen i dokumene..3 Foreak med søe i periode eer saus i periode -1, 2003-2013 Saus i : Topp 10 % Reserende 90 % Saus i -1: Anall Andel Anall Andel IN-søe IN -1 =1 Topp 10 % 35 6,2 % 57 1,2 % Reserende 90 % 84 14,9 % 828 17,6 % IN -1 =0 NFR -1 =1 7 1,2 % 66 1,4 % SKF -1 =1 149 26,4 % 1 025 21,8 % Begge =1 64 11,3 % 169 3,6 % Ingen søe i -1 226 40,0 % 2 566 54,5 % I al 565 100 % 4 711 100 % NFR-søe NFR -1 =1 Topp 10 % 310 67,5 % 106 2,6 % Reserende 90 % 111 24,2 % 2 741 66,4 % NFR -1 =0 IN -1 =1 5 1,1 % 78 1,9 % SKF -1 =1 4 0,9 % 449 10,9 % Begge =1 2 0,4 % 117 2,8 % Ingen søe i -1 27 5,9 % 636 15,4 % I al 459 100 % 4 127 100 % SKF-søe SKF -1 =1 Topp 10 % 2 498 55,9 % 1 178 5,0 % Reserende 90 % 1 165 26,1 % 13 958 59,0 % SKF -1 =0 IN -1 =1 64 1,4 % 786 3,3 % NFR -1 =1 69 1,5 % 197 0,8 % Begge =1 7 0,2 % 39 0,2 % Ingen søe i -1 665 14,9 % 7 519 31,8 % I al 4 468 100 % 23 677 100 % Endelig gir abell 5.4 en oversik over kombinasjoner av bruk av forskjellige søemidler blan foreak i S-populasjonen i 2002-2013. Gi definisjonen av S-populasjonen, dvs. alle foreak som har vær observer med offenlig søe mins en gang (også før analyseperioden), har vi forsa mange observasjoner uen noe ype søe i e gi år. 7 De er mes vanlig å få bare SKF-søe (28,64 prosen av observasjonene) eller å kombinere Skaefunn- med NFR-søe (2,88 prosen av observasjonene) eller IN-søe (2,3 prosen av observasjonene), mens de er mes uvanlig å kombinere NFR- med IN-søe (bare 0,17 prosen av observasjonene). De er noen få observasjoner der de forekommer søe fra alle re virkemidlene samidig (0,44 prosen av observasjonene). Tabell Feil! De er ingen eks med den angie silen i dokumene..4 Kombinasjoner av bruk av forskjellige søemidler for S-populasjonen i 2002-2013 Søekombinasjoner Anall obs. Andel obs. Uen søe 45 972 60,63 % Bare SKF-søe 21 714 28,64 % Bare NFR-søe 1 709 2,25 % Bare IN-søe 2 038 2,69 % SKF og NFR 2 183 2,88 % SKF og IN 1 743 2,30 % NFR og IN 131 0,17 % SKF og NFR og IN 330 0,44 % I al: 75 20 100 5.2 Analyse av bruken av forskjellige søeordninger I dee kapile beskrives en modell som brukes for å sudere persisens i bruk av samme virkemiddel og ineraksjon mellom bruk av ulike virkemidler når de 7 For eksempel, dersom e foreak er observer i hele analyseperioden 2002-2013 og har ha IN-søe i 2002 og NFR-søe i 2011-2013, er de observer uen noen søe i de mellomliggende år, dvs. 2003-2010. Saisisk senralbyrå 5

Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler Rapporer 2016/12 gjelder offenlig søe, sam resulaene baser på denne modellen. Gi en formell definisjon av persisens (gi idligere), er høy grad av persisens ganske naurlig for foreak som driver med flerårige prosjeker siden slike foreak er observer med søe i flere år på rad. Modellen som er bruk på prosjeknivå i samband med å få søe for e hel ny prosjek preseneres i kapiel 5.3. I denne analysen spiller ikke lengden av idligere prosjeker noen rolle, men en ar hensyn il a de har forekomme idligere prosjeker. Basismodellen i lierauren for å sudere persisens er en sandard modell for binære variabler (for eksempel, probi) 8, som kan skrives på følgende måe: Pr( Y 1 X, Y, Y ) ( X, Y, Y ). (5.1) 1 0 1 0 Den avhengige variabelen, Y, er en binær variabel som anar enen verdien 1 ("suksess") eller 0 ("ikke suksess"). I modell (5.1) ser man da på sannsynligheen for "suksess" for e gi foreak i periode gi X, der X er en (linje) vekor av uavhengige variabler. En beinger dessuen også på ufalle av den avhengige variabelen i periode 1, Y 1. I illegg il forklaringsvariablene i X og den laggede endogene variabelen Y11 inkluderes vanligvis også den såkale iniialbeingelsen, Y. Gjennom dee ledde illaes sannsynligheen for "suksess" å være 0 forskjellig for de foreakene som hadde "suksess" hel fra saren av og de som ikke hadde de. Ved hjelp av modell (5.1) for binære variabler, suderes førs følgende re avhengige variable: (i) IN-søe ( Y IN ) (ii) NFR-søe ( Y NFR ) (iii) Skaefunn-fradrag ( Y SKF ). I ilfelle (i) beyr Y 1 a foreake har få innovasjonsree søe fra IN i periode, mens Y 0 beyr a de ikke har få slik søe. I ilfelle (ii) beyr Y 1 a e gi foreak er observer med søe fra NFR i periode. Hel ilsvarende olkninger gjelder for Skaefunn-fradrag i ilfelle (iii). Esimeringen av disse re ligninger som e sysem illaer oss å konrollere både for persisens, ineraksjon mellom programmer og saus il foreakene i saren av analyseperioden i samband med idligere programdelakelse: * 1 1 1 1 1 1 1 IN IN NFR SKF IN NFR X 1 1 2 1 3 1 4 0 5 0 hvor * 2 2 2 2 2 2 2 NFR IN NFR SKF IN NFR X, (5.2) 1 1 2 1 3 1 4 0 5 0 * 3 3 3 3 3 3 3 SKF IN NFR SKF IN NFR X 1 1 2 1 3 1 4 0 5 0 * 1 hvis Y 0, {,, Y } Y IN NFR SKF. 0 ellers 8 Se for eksempel Peers (2009) for analyse av persisens i foreakes innovasjonsakivie, Peers mfl. (2013) for analyse av persisens i FoU invesering og Aschhoff (2010) for analyse av persisens i moak av direke subsidier blan yske foreak. 6 Saisisk senralbyrå

Rapporer 2016/12 Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler I denne modellen inneholder vekoren X ulike observerbare karakerisika ved foreake, slik som sørrelse, alder, næring, region, sam en indikaor for hvorvid foreake er i skaeposisjon eller ikke, skaeposisjon, som er en proxy for foreakes likvidiessiuasjon, og en variabel som viser andelen imeverk ufør av ansae med akademisk udanning (dvs. med masergrad eller høyere), ak, som er en proxy for andelen forskere i foreake. 9 I illegg inneholder X konsanledd og årsdummyer. Tidsindeksen anar verdiene: 2003,...,2013. Iniialbeingelsene IN og NFR er dummyvariabler som er lik 1 dersom foreake hare få søe før 0 0 2002 fra IN eller fra NFR. 10 Under anagelse om normalfordele resledd som illaes å være korrelere, kan dee syseme av ligninger (som benevnes pooled rivariae probi model ) esimeres ved pseudomaximum loglikelihood. Daeringen av variablene skaeposisjon og ak er sa il periode -1 for å redusere de poensielle endogeniesprobleme som oppsår hvis disse variablene kan ilpasses eller påvirkes som en følge av endringer i den avhengige variabelen, Y. E eksempel på dee er når foreake øker anall ansae med akademisk udanning som følge av innvilge prosjeksøe. E slik ilak reduserer men løser ikke de poensielle endogeniesprobleme når for eksempel en uobserver langsikig sraegi om å sase på forskning kan påvirke både skaeposisjon og den avhengige variabelen. Derfor skal en være varsom med å olke resulaene som kausale effeker. Tabellene 5.5-5.7 presenerer esimeringsresulaene for den økonomeriske modellen (5.2). Tabell 5.5 viser resulaer for persisens og ineraksjonseffeker av å få søe. Alle de esimere koeffisienene er høy signifikane og har e posiiv foregn som viser a de er persisens i bruk av alle de re ordningene, men av forskjellige grad. Ifølge koeffisienene fra abell 5.5 ligger esimae på persisens i bruken av IN-søe på ca. 22 prosen, mens esimaene på persisens i bruken av NFR-søe og Skaefunn ligger på hhv. ca. 77 og 71 prosen. Dee beyr, for eksempel, a ca. 77 av 100 foreak med NFR-søe i periode -1 får søe fra NFR også i påfølgende periode. Tabell Feil! De er ingen eks med den angie silen i dokumene..5 Resulaer for persisens og ineraksjonseffeker av å få søe, 2003-2013 IN-søe NFR-søe Skaefunn Dummy for: Koeff. S.f. Koeff. S.f. Koeff. S.f. IN -1 0,752 *** 0,031 0,226 *** 0,042 0,139 *** 0,023 NFR -1 0,296 *** 0,034 2,725 *** 0,027 0,283 *** 0,028 SKF -1 0,162 *** 0,018 0,284 *** 0,023 1,588 *** 0,012 Iniialbeingelser: IN 0 0,191 *** 0,029 0,023 0,034 0,037 ** 0,018 NFR 0 0,055 0,040 0,269 *** 0,037-0,010 0,029 Anall observasjoner 65 944 Anall foreak 8 878 Pseudolikelihood -48 336,92 Kji-kvadra es for ligningsuavhengighe 46,42 *** Alle ligninger inkluderer konsanledd, dummyer for foreakssørrelse, alder, region og næring, sam årsdummyer. Modellen, dvs. pooled rivariae probi model, er esimer ved hjelp av pseudomaximum loglikelihood. Robuse sandardfeil (S.f.). *** p<0,01; ** p<0,05; * p<0,1 9 Mer dealjer inndeling på sørrelsesgrupper er (1-4, 5-9, 10-19, 20-49, 50-149 og 150 eller flere ansae); alder (0-2, 3-5, 6-9, 10-14 og 15 eller flere år gammel); næring (C: Indusri, F: Bygg og anlegg, G: Varehandel, H: Transpor, J: IKT, K: Finans og forsikring, L: Eiendomsdrif, M: Kunnskapsbasere jeneseying, N: Forreningsmessige jeneseying og Andre); region (Oslo og Akershus, Øsland Kys, Øsland Indre, Sørlande, Veslande, Trøndelag og Nord-Norge). 10 Mens en for NFR-søe benyer informasjonen fra 1991-2001, benyer en for IN-søe både informasjon om søe fra IN i 2000-2001 og om søe fra NSD i 1985-1999 (ordningen som eksisere før IN ble oppree). Saisisk senralbyrå 7

Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler Rapporer 2016/12 Iniialbeingelsene (de som skiller mellom foreak observer med søe før saren av analyseperioden 2002-2013 og foreak som aldri har få søe) viser seg også å være vikige, dvs. esimae av parameeren foran IN 0 er posiiv og signifikan i INligningen og esimae av parameeren foran NFR 0 er posiiv og signifikan i NFRligningen (se abell 5.5). De er ineressan a bare IN 0 har posiiv effek på sannsynligheen for å få Skaefunn-fradrag i den eerfølgende perioden (dvs. idligere moakere av IN-søe bruker Skaefunn-ordningen noe ofere enn foreak ellers). De er også påvis krysseffeker mellom delakelse i de forskjellige ordningene. Tabell 5.6 viser våre esimaer for de parielle effekene av bruk av en ordning på sannsynlighe å få søe fra en annen ordning i påfølgende periode (dvs. endringer i ilsvarende sannsynlighe). Siden vi har re ordninger, varierer disse parielle effekene avhengig av kombinasjoner av bruk av alle re ordningene i periode -1. Tallene i rød i abell 5.6 viser den oale effeken som er en veid sum av effeken for forskjellige kombinasjoner. Den sørse krysseffeken er påvis mellom bruk av NFR-søe og Skaefunn (de foreakene som har ha NFR-søe i en periode har i gjennomsni 9,6 prosenpoeng høyere sannsynlighe for å få Skaefunn-fradrag i påfølgende periode sammenligne med de som har ikke ha NFR-søe). Tilsvarende krysseffeker mellom bruk av NFR-søe og IN-søe og IN-søe og Skaefunn er på ca. 4 prosenpoeng. Disse funnene innebærer en mulig kilde il skjevhe i effekanalyser dersom en analyserer e av virkemidlene uen a en ar hensyn il bruk av andre virkemidler. Resen av krysseffekene er posiive men lave (li over 1 prosenpoeng for både IN og Skaefunn når de gjelder sannsynligheen for å få NFRsøe). Likevel, gi en veldig lav inngangsrae for NFR-ordningen (på ca. 1 prosen for de som ikke har få noen søe fra NFR idligere), beyr de relaiv mye å ha e Skaefunn-prosjek eller søe fra IN fra før. Dvs. a sjansen for å få søe fra NFR i påfølgende periode fordobles dersom e foreak har ha e Skaefunn-prosjek eller søe fra IN i inneværende periode (inngangsraene øker fra ca. 1 prosen i ilfelle av ingen søe il 1,7 prosen i ilfelle av IN-søe og il 2,1 prosen i ilfelle av Skaefunn). Tabell Feil! De er ingen eks med den angie silen i dokumene..6 Marginale effeker av en ype søe på sannsynligheen for å få andre yper søe i påfølgende periode, 2003-2013 Beinge på: Anall obs. Andel obs. Endring i sannsyn -lighe Beinge på: Anall obs. Andel obs. Endring i sannsynlighe Av NFR på IN Av IN på NFR IN -1 =1 SKF -1 =1 1 748 2,7% 0,105 RCN -1 =1 SKF -1 =1 2 053 3,1% 0,053 IN -1 =1 SKF -1 =0 1 624 2,5% 0,082 NFR -1 =1 SKF -1 =0 1 513 2,3% 0,073 IN -1 =0 SKF -1 =1 21 424 32,5% 0,051 NFR -1 =0 SKF -1 =1 21 119 32,0% 0,015 IN -1 =0 SKF -1 =0 41 148 62,4% 0,027 NFR -1 =0 SKF -1 =0 41 259 62,6% 0,007 Toal: 65 944 100% 0,038 Toal: 65 944 100% 0,013 Av NFR på Skaefunn Av Skaefunn på NFR SKF -1 =1 IN -1 =1 1 748 2,7% 0,091 NFR -1 =1 IN -1 =1 374 0,6% 0,071 SKF -1 =1 IN -1 =0 21 424 32,5% 0,098 NFR -1 =1 IN -1 =0 3 192 4,8% 0,068 SKF -1 =0 IN -1 =1 1 624 2,5% 0,121 NFR -1 =0 IN -1 =1 2 998 4,5% 0,016 SKF -1 =0 IN -1 =0 41 148 62,4% 0,094 NFR -1 =0 IN -1 =0 59 380 90,0% 0,011 Toal: 65 944 100% 0,096 Toal: 65 944 100% 0,014 Av IN på Skaefunn Av Skaefunn på IN SKF -1 =1 NFR -1 =1 2 053 3,1% 0,056 IN -1 =1 NFR -1 =1 374 0,6% 0,060 SKF -1 =1 NFR -1 =0 21 119 32,0% 0,064 IN -1 =1 NFR -1 =0 2 998 4,5% 0,037 SKF -1 =0 NFR -1 =1 1 513 2,3% 0,057 IN -1 =0 NFR -1 =1 3 192 4,8% 0,040 SKF -1 =0 NFR -1 =0 41 259 62,6% 0,030 IN -1 =0 NFR -1 =0 59 380 90,0% 0,016 Toal: 65 944 100% 0,042 Toal: 65 944 100% 0,018 8 Saisisk senralbyrå

Rapporer 2016/12 Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler Til slu viser abell 5.7 hvordan sannsynligheen for å få søe påvirkes av forskjellige foreakskarakerisika. Fra esimaene i førse del av abellen ser vi a de er en monoon fallende (voksende) sammenheng mellom sannsynligheen for å få søe fra IN (NFR) og foreakes sørrelse mål ved anall ansae, mens alle foreak (unna mikroforeak med kun 1-4 ansae) benyer Skaefunn-ordningen jevnlig. 11 Videre ser vi a de er en monoon fallende sammenheng mellom sannsynligheen for å få søe (alle yper søe) og foreakes alder. Dee kan være en konsekvens av a nyeablere foreak er inkluder i sample neopp fordi de har få søe og derfor rekker opp resulaene for unge foreak. For å sjekke dee esimerer vi også modellen på e balanser sampel (dvs. de foreakene som er observer 12 ganger og er med i hele analyseperioden). For dee sample får vi samme monoon fallende sammenheng mellom sannsynligheen for å få søe og foreakes alder. 12 Al i al kan dee resulae reflekere a unge foreak ofere mangler finansiering for FoU og innovasjon enn de mer eablere foreakene, og derfor er mer akive med å søke om søe. Tabell Feil! De er ingen eks med den angie silen i dokumene..7 Resulaer for foreakskarakerisika på sannsynlighe for å få søe, 2003-2013 IN-søe NFR-søe Skaefunn Variabler: Koeff. S.f. Koeff. S.f. Koeff. S.f. 5-9 ansae 0,057 ** 0,027 0,091 ** 0,037 0,185 *** 0,019 10-19 ansae 0,072 ** 0,029 0,184 *** 0,041 0,253 *** 0,019 20-49 ansae 0,052 * 0,031 0,226 *** 0,041 0,277 *** 0,020 50-149 ansae -0,051 0,039 0,461 *** 0,044 0,319 *** 0,024 150 eller flere ansae -0,075 0,051 0,757 *** 0,048 0,280 *** 0,030 < 2 år gammel 0,684 *** 0,039 0,310 *** 0,055 0,488 *** 0,028 3-5 år gammel 0,403 *** 0,034 0,204 *** 0,041 0,238 *** 0,021 6-9 år gammel 0,235 *** 0,031 0,098 *** 0,037 0,152 *** 0,019 10-14 år gammel 0,099 *** 0,030 0,039 0,037 0,057 *** 0,018 C: Indusri 0,065 * 0,038 0,096 * 0,050 0,053 ** 0,023 F: Bygg og anlegg -0,325 *** 0,075-0,140 0,110-0,153 *** 0,036 H: Transpor -0,197 ** 0,089 0,110 0,091-0,294 *** 0,054 J: IKT 0,057 0,042-0,126 ** 0,057 0,119 *** 0,024 K: Finanssekor -0,504 0,333-0,583 * 0,333-0,182 0,242 L: Eiendomssekor 0,130 0,135-0,142 0,183-0,246 *** 0,080 M: Kunnskapsmessig jen. 0,165 *** 0,042 0,240 *** 0,052-0,011 0,025 N: Forreningsmessig jen. 0,206 *** 0,062 0,138 0,092-0,154 *** 0,041 Andre (A, B, D, E, I, O-S) 0,015 0,046 0,148 *** 0,058-0,002 0,028 Øsland Kys 0,248 *** 0,035-0,093 ** 0,041-0,012 0,021 Øsland Indre 0,497 *** 0,045-0,010 0,055-0,127 *** 0,032 Sørlande 0,290 *** 0,034-0,108 *** 0,038-0,095 *** 0,021 Veslande 0,315 *** 0,033-0,123 *** 0,038-0,018 0,020 Trøndelag 0,213 *** 0,039-0,035 0,042 0,019 0,024 Nord-Norge 0,184 *** 0,045-0,077 0,053-0,019 0,026 skaeposisjon -1-0,180 *** 0,019-0,117 *** 0,025-0,001 0,013 ak -1 0,200 *** 0,037 0,552 *** 0,045 0,319 *** 0,027 Referansegruppe: Mikro foreak (1-4 ansae), år 2002, Varehandel (NACE 51), veleablere foreak (15 år gamle eller eldre) i Oslo og Akershus. Modellen, dvs. pooled rivariae probi model, er esimer ved hjelp av pseudomaximum loglikelihood. Robuse sandardfeil (S.f.). *** p<0,01; ** p<0,05; * p<0,1 Vi også ser a næringen Forreningsmessig jeneseying er sekoren med den høyese sannsynligheen for å få IN-søe, mens de er foreak i IKT-sekoren som benyer Skaefunn-fradrage ofes. De er ikke overraskende a næringen 11 Dee funne er annerledes i Møen og Rybalka (2011) som bruker daa for perioden 2002-2006 og finner a sannsynligheen for å få Skaefunn-søe er fallende med anall ansae. Endringen i resulaene kan delvis forklares med a flere sore foreak har a i bruk Skaefunn-ordningen i de senere årene (se figur 3.2). 12 De enese unnake er for foreak som er mindre enn 2 år gamle og som moar NFR-søe. Saisisk senralbyrå 9

Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler Rapporer 2016/12 Kunnskapsmessig jeneseying har den høyese sannsynligheen for å få søe fra NFR. Også indusrinæringene er god represener blan dem som får søe fra alle re søeordningene. Når de gjelder foreakes geografiske plassering, ser vi a de er foreak i regioner uenom Oslo og Akershus som har den høyese sannsynligheen for å få IN-søe, mens de er foreak i Oslo og Akershus og Trøndelag som benyer både NFR-søe og Skaefunn-fradrage ofes. I den esimere modellen er også andelen sysselsae med akademisk udanning (17 år eller mer) en svær signifikan forklaringsvariabel. Dee er ikke overraskende, da de er velkjen a de er en nær sammenheng mellom omfange av FoU og de ansaes udanningsnivå. Og siden FoU-akivie ikke observeres i våre daa, kan man si a denne andelen er en proxy variabel for andelen forskere i foreakene. De a de er en signifikan negaiv sammenheng mellom forskjellige ordninger og variabelen skaeposisjon er også som forvene. Forklaringen på de sise kan delvis være knye il a skaeposisjon er en proxy variabel for foreakes likvidiessiuasjon: Foreak med svak likvidie har e spesiel serk inseniv il å søke om søe. Unnake her er Skaefunn-ordningen il ross for e idligere funn av en serk negaiv sammenheng (se Cappelen mfl., 2012). En mulig forklaring på forskjellen er a analyseperioden er mye lenger nå og a daauvalge inkluderer flere sore og finansiel serkere foreak enn hva som var ilfelle for daaene som ble bruk i samband med Cappelen mfl. (2012). Samidig er sammenhengen negaiv og signifikan i den nese modellen hvor vi ser på sannsynligheen for å få e ny godkjen prosjek. Dee er i råd med funnene i Cappelen mfl. (2012). 5.3 Analyse av sannsynligheen for å få søe il e ny prosjek For å undersøke nærmere om høy persisens i bruken av NFR- og Skaefunn-søe skyldes eksisens av flerårige prosjeker eller a de er foreak som søker på ny med e ny prosjek og dermed benyer ordningen på ny, skal vi se på sannsynligheene for å få søe fra NFR eller Skaefunn for e ny prosjek. 13 Her spiller ikke lengden av idligere prosjeker noen rolle, men en ar hensyn il a de har forekomme idligere prosjeker og il anall år siden sis godkjene prosjek. Merk a IN-søe ikke behandles symmerisk med NFR- og Skaefunn-prosjeker i denne analysen, men bare spiller en rolle som konrollvariabel. Dee henger delvis sammen med den lave persisens vi fan i forrige analyse og delvis sammen med mangel av idenifikasjonsnumre for prosjeker i IN-daa. 14 Tabell 5.8 gir oversik for Skaefunn- og NFR-godkjene prosjeker som sare opp i årene 2002-2012. 15 Gjennomsnilig prosjekvarighe for Skaefunnprosjeker er ca. 2 år og svak økende il 2,3 år mo sluen av perioden. For NFRprosjeker er gjennomsnilig prosjekvarighe høyere og ligger på rund 3 år. Generel varierer prosjekvarigheen fra 1 il 6 år for Skaefunn-prosjeker og fra 1 il 8 år for NFR-prosjeker. Ikke overraskende får NFR-prosjeker gjennomgående mye høyere subsidiebeløp sammenligne med sørrelsen på fradragene som foreakene får gjennom Skaefunn-prosjeker. For å få e lik sammenliknings- 13 Nye prosjeker er idenifiser ved hjelp av unike prosjeknumre i ilhørende daabaser. 14 IN bruker saksnumre for hver søeudeling som varierer innenfor de samme prosjeknavne og sisnevne mangler i noen ilfeller. Dee gjør de vanskelig å gjennomføre en egen analyse for INprosjeker, men vi konrollerer for IN-søeudelinger når vi ser på sannsynligheene for å få søe fra NFR eller Skaefunn for e ny prosjek. 15 Leveranse av daa for Skaefunn-prosjeker fra NFR il SSB varierer fra år il år. For de førse årene er de ilgengelig informasjon om alle prosjeker, mens kun informasjon om akive prosjeker er ilgjengelig for de senere årene. Sise årgang med prosjekinformasjon for Skaefunn er 2011, mens kun samle informasjon for foreak (inkluder anall akive prosjeker) er ilgjengelig fra og med 2012. Dee gjør de likevel mulig, ved hjelp av prosjekdaa for 2011, å idenifisere om de var e ny godkjen prosjek som sare opp i 2012. 10 Saisisk senralbyrå

Rapporer 2016/12 Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler grunnlag for ubealinger beregner vi årlig fradrag/subsidie for hver prosjek (i løpende kroner). Man kan se a de gjennomsnilig årlige beløpe øke jevn over id for Skaefunn-prosjeker il ross for a den øvre grensen for prosjekkosnader var uendre mellom 2002 og 2009. Dee kan forklares både med bruk av løpende kroner i beregningene og med a sørre virksomheer i sigende grad benye seg av ordningen om. 2009 (se figur 3.2). For NFR-prosjeker varierer årlig beløp veldig mye (som i noen ilfeller følger av eksra sore programudelinger, for eksempel i åre 2009, men som også er påvirke av både anall søkere i e gi år, Forskningsrådes budsje og rammer for den enkele ulysningen). Tabell Feil! De er ingen eks med den angie silen i dokumene..8skaefunn- og NFR-godkjene prosjeker eer prosjekes sarår, 2002-2012 Prosjekes sarår Anall prosjeker Skaefunn godkjene prosjeker Gj. prosjekvarighe, år Gj. fradrag 1 000 kr Gj. per prosjeke s år 1 000 kr Anall prosjeker NFR godkjene prosjeker Gj. prosjekvarighe, år Gj. forbruk subsidiebeløp. 1 000 kr Gj. per prosjekes år. 1 000 kr 2002 2 651 2,0 717 356 209 2,3 1331 439 2003 3 507 1,9 640 334 303 2,1 1413 552 2004 2 686 2,0 668 341 224 2,7 1571 502 2005 2 107 2,1 776 373 337 2,4 1691 616 2006 1 862 2,2 785 354 443 2,9 3256 924 2007 1 510 2,2 1059 473 265 3,1 3960 1188 2008 1 566 2,3 1246 542 427 2,3 2137 697 2009 1 607 2,3 1368 593 236 3,3 4642 1302 2010 1 604 2,3 1484 657 168 3,3 4327 1268 2011 1 454 2,3 1508 665 192 3,3 3635 950 2012 2 002 - - - 510 2,6 2099 800 Nå skal vi bruke samme modellilnærming som i kapiel 5.2 for å sudere o avhengige variabler på prosjeknivå: (i) ny godkjen NFR-prosjek ( Y NFR _ ny ) (ii) ny godkjen Skaefunn-prosjek ( Y SKF _ ny ). I ilfelle (i) beyr Y 1 a foreake har få e ny godkjen prosjek med søe fra NFR i periode, mens Y 0 beyr a de ikke har få slik søe il e ny prosjek. I ilfelle (ii) beyr Y 1 a foreake er observer med å ha få e ny godkjen prosjek med søe fra Skaefunn i periode, mens Y 0 beyr a de ikke har få Skaefunn-søe il e ny prosjek. Modellen ser nå slik u: NFR _ ny SKF _ ny, N S I IN NFR X * 1 1 1 1 1 1 1 1 2 3 1 0 2 0 N S I IN NFR X * 2 2 2 2 2 2 2 1 2 3 1 0 2 0 (5.3) hvor * 1 hvis Y 0, { _, _ Y 0 ellers Y NFR ny SKF ny}, og vekoren X inneholder samme karakerisika ved foreake som i modell (5.2) og radvekorene N, S og I inneholder følgende NFR-, Skaefunn- og IN-variabler: Saisisk senralbyrå 11

Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler Rapporer 2016/12 N ( NFR _ ny, NFR _ ny, NFR _ ny, NFR _ ny ), 1,2,3 4 plus 1 2 3 4 plus S ( SKF _ ny, SKF _ ny, SKF _ ny, SKF _ ny ), I ( IN, IN ). 1 2 3 4 plus Ved hjelp av variablene i N og S konrolleres de for om foreake har ha e godkjen NFR- eller Skaefunn-prosjek idligere og hvor lenge de er siden de forrige prosjeke ble godkjen (1, 2, 3, eller mer enn 3 år siden), mens I inneholder dummyer for om sise søe fra IN var observer i løpe av forrige 3-årsperiode, IN 1,2,3, eller for mer enn 3 år siden, IN 4 plus. 16 Siden gjennomsnilig prosjekvarighe er ca. 2-3 år for Skaefunn og NFR-prosjeker (se abell 5.8), er de eksra ineressan å undersøke om de er noen høyere sannsynlighe for å få e ny godkjen prosjek 2-3 år eer forrige godkjene prosjek. Tidsindeksen anar verdiene: 2006,...,2012 (siden denne modellen krever a e foreak må være observer mins fire ganger for å være med under esimeringen). Under anagelse om normalfordele resledd som illaes å være korrelere, kan dee syseme av ligninger (denne gangen benevn pooled bivariae probi model ) esimeres ved pseudomaximum loglikelihood. Tabellene 5.9-5.11 presenerer resulaene for esimeringen av den økonomeriske modellen (5.3). Tabell 5.9 viser resulaer for persisens og ineraksjonseffeker av å få e ny godkjen NFR- eller Skaefunn-prosjek. Alle de esimere koeffisienene er høy signifikane og har e posiiv foregn (borse fra esimae av parameeren foran indikaoren SKF -4plus, dvs. sis godkjene SKF-prosjek for mer enn 3 år siden). Disse resulaene søer de idligere funnene (se abell 5.5) av høyere persisens i bruk av NFR- enn Skaefunn-ordningen og av signifikane ineraksjonseffeker mellom forskjellige søeordninger. Resulaene for uvalge foreakskarakerisika, dvs. andelen sysselsae med akademisk udanning og skaeposisjon, er også i råd med idligere funn (se abell 5.7), dvs. begge er svær signifikane forklaringsvariabler og har de forvenede foregn. 17 De beingede sannsynligheene for å få e ny godkjen NFR-prosjek som er presener i abell 5.10 illusrerer a beydningen av idligere bruk av NFR-søe går gradvis ned med anall år siden sis godkjene NFR-prosjek. Disse sannsynligheene er regne u baser på de esimere koeffisienene for N-variablene i abell 5.9 i kolonne (1) for e represenaiv foreak med gjennomsnilige verdier på de andre variablene som inngår ved siden av N-variablene. Vi ser a sannsynligheen for a e foreak med sis godkjene NFR-prosjek i periode -1 får e ny godkjen prosjek i de eerfølgende åre er esimer il 30 prosen. Sannsynligheen for å få søe il e ny prosjek i periode går ned il 17,8 (12,9) prosen dersom sise NFR-prosjek ble godkjen for 2 (3) år siden, og hel ned il 4,3 prosen dersom sise NFR-prosjek ble godkjen for 4 eller flere år siden. Vi kan legge merke il a de er en ganske lav inngangsrae for ordningen, dvs. a sannsynligheen for å få e godkjen NFR-prosjek for de foreakene som aldri har ha NFR-søe idligere ligger bare på rund 1,2 prosen. 16 Siden de er vanskelig å idenifisere prosjeker når de gjelder IN-søe, konrollerer vi for INsøeudelinger her. Likevel, gi lav persisens og a ca. 90 prosen av foreakene benye IN-søe bare en eller o ganger i løpe av 2002-2013, kunne man olke IN-søeudeling som en søe il e ny prosjek. 17 De samme gjelder andre foreakskarakerisika som sørrelse, alder, næring og region. Disse har liknende effeker som de som er presener i abell 5.7 og rapporeres derfor ikke her. 12 Saisisk senralbyrå

Rapporer 2016/12 Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler Tabell Feil! De er ingen eks med den angie silen i dokumene..9 Resulaer for persisens og ineraksjonseffeker for å få e ny godkjen prosjek, 2002-2012 (1) Ny godkjen NFR-prosjek (2) Ny godkjen SKF-prosjek Dummy for: Koeff. S.f. Koeff. S.f. N-variabler: Sis godkjene NFR-prosjek -1 1,319 *** 0,061 0,279 *** 0,046 Sis godkjene NFR-prosjek -2 0,969 *** 0,061 0,254 *** 0,050 Sis godkjene NFR-prosjek -3 0,806 *** 0,070 0,256 *** 0,053 Sis godkjene NFR-prosjek -4plus 0,299 *** 0,065 0,046 0,042 S-variabler: Sis godkjene SKF-prosjek -1 0,173 *** 0,041 0,302 *** 0,024 Sis godkjene SKF-prosjek -2 0,109 ** 0,044 0,278 *** 0,023 Sis godkjene SKF-prosjek -3 0,143 *** 0,049 0,244 *** 0,025 Sis godkjene SKF-prosjek -4plus -0,174 *** 0,052-0,292 *** 0,024 I-variabler: Sise IN-søe -1,2,3 0,239 *** 0,038 0,096 *** 0,022 Sise IN-søe -4plus 0,132 ** 0,057-0,066 ** 0,026 Iniialbeingelser: IN 0-0,017 0,043 0,069 ** 0,024 NFR 0 0,216 *** 0,060 0,037 0,047 Andre uvalge variabler: skaeposisjon -1-0,103 *** 0,030-0,064 *** 0,015 ak -1 0,650 *** 0,054 0,385 *** 0,031 Anall observasjoner 49537 Anall foreak 8365 Pseudolikelihood -25381,062 Kji-kvadra es for ligningsuavhengighe 108,318 *** Alle ligninger inkluderer konsanledd, dummyer for foreakssørrelse, alder, region og næring, sam årsdummyer. Modellen, dvs. pooled bivariae probi model, er esimer ved hjelp av pseudomaximum loglikelihood. Robuse sandardfeil (S.f.). *** p<0,01; ** p<0,05; * p<0,1 Videre viser abell 5.10 endringer i disse beingede sannsynligheene som følge av å ha enen e sise godkjen Skaefunn-prosjek eller søe fra IN i forrige 3- årsperiode. Disse resulaene er i samsvar med dem som er presener i abell 5.6, dvs. de er posiive men lave (1,3 prosenpoeng for Skaefunn og 1,7 prosenpoeng for IN-søe når de gjelder en veid oaleffek på sannsynligheen for å få e ny godkjen prosjek fra NFR). Men igjen, gi en veldig lav inngangsrae for NFRordningen, viser resulaene en fordobling av sjansen for å få søe fra NFR for en ny søker dersom den har ha e Skaefunn-prosjek eller søe fra IN i forrige 3- årsperiode (inngangsraene øker fra ca. 0,8 prosen i ilfelle av ingen søe il 1,6 prosen i ilfelle av idligere Skaefunn- og il 2 prosen i ilfelle av idligere INsøe). Tabell 5.11 viser ilsvarende resulaer for de beingede sannsynligheene for å få søe il e ny Skaefunn-prosjek. Disse sannsynligheene er regne u baser på de esimere koeffisienene for S-variablene i Tabell 5.9 i kolonne (2) for e represenaiv foreak med gjennomsnilige verdier på de andre variable som inngår ved siden av S-variablene. Brukermønsere er noe annerledes her, dvs. de posiive koeffisienene foran de re førse lag av den endogene variabel, SKF, SKF og SKF, er signifikan forskjellige fra null men ikke signifikan 1 2 3 forskjellige fra hverandre (se kolonne (2) i abell 5.9). Dee fører il a de beingede sannsynligheene for å få e ny godkjen Skaefunn-prosjek 1, 2 eller 3 år eer sis godkjene Skaefunn-prosjek er nesen ideniske. Derimo går denne sannsynligheen krafig ned dersom sise Skaefunn-prosjek ble godkjen for 4 eller flere år siden, og den er mye lavere enn inngangsraen for ordningen (7,9 prosen versus 14 prosen). Dee kan bey a mange foreak sluer å bruke Saisisk senralbyrå 13

Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler Rapporer 2016/12 ordningen dersom de ikke får e ny prosjek i løpe av 3 år eer forrige prosjek. 18 Kryssprogrameffekene er igjen i samsvar med dem som er presener i abell 5.6, dvs. sannsynligheen for å få e ny godkjen Skaefunn-prosjek øker i gjennomsni med 9,9 (4,3) prosenpoeng dersom foreake har ha sis godkjene NFR-prosjek (IN-søe) i sise 3-årsperiode. Tabell Feil! De er ingen eks med den angie silen i dokumene..10 Esimer sannsynlighe for å få e ny godkjen NFR-prosjek (med marginale effeker av andre program), 2002-2012 Beinge på: Anall obs. Andel obs. Endringer i sannsynlighe M.e. SKF 1 M.e. IN 1 Sis godkjene NFR-prosjek -1 0,302 1 271 2,6 % 0,059 0,095 Sis godkjene NFR-prosjek -2 0,178 916 1,8 % 0,052 0,072 Sis godkjene NFR-prosjek -3 0,129 730 1,5 % 0,054 0,056 Sis godkjene NFR-prosjek -4plus 0,043 4 343 8,8 % 0,028 0,026 Ikke noe idligere NFR-prosjek 0,012 42 277 85,3 % 0,008 0,012 Toal 49 537 100 % 0,013 0,017 1 Marginale effeker (M.e.) av å ha sis godkjene SKF-prosjek eller sise IN-søe i forrige 3-årsperiode Tabell Feil! De er ingen eks med den angie silen i dokumene..11 Esimer sannsynlighe for å få e ny godkjen Skaefunn-prosjek (med marginale effeker av andre program), 2002-2012 Endringer i sannsynlighe Beinge på: Anall obs. Andel obs. M.e. NFR 1 M.e. IN 1 Sis godkjene SKF-prosjek -1 0,257 9 222 19 % 0,122 0,060 Sis godkjene SKF-prosjek -2 0,235 7 429 15 % 0,120 0,065 Sis godkjene SKF-prosjek -3 0,209 5 476 11 % 0,125 0,069 Sis godkjene SKF-prosjek -4plus 0,079 12 617 25 % 0,070 0,034 Ikke noe idligere SKF-prosjek 0,140 14 793 30 % 0,089 0,020 Toal 49 537 100% 0,099 0,043 1 Marginale effeker (M.e.) av å ha sis godkjene NFR-prosjek eller IN-søe i forrige 3-årsperiode 5.4 Konklusjoner Samle se konkluderer vi med a IN-, NFR- og Skaefunn-ordningene fungerer sor se komplemenær il hverandre når de gjelder deres bruk. De er designe og brukes på forskjellige måer. Hovedfunnene i vår empiriske analyse av persisens i bruk av og ineraksjon mellom bruk av ulike virkemidler kan oppsummeres som følger: NFR-søe: Ordningen har veldig høy persisens i bruk (ca. 77 prosen) og veldig lav inngangsrae for ordningen (ca. 1 prosen). Den brukes mes av sore foreak og foreak i Kunnskapsmessig jeneseying. Andelen av ansae med akademisk udanning er veldig vikig for å få NFR-søe (proxy variabel for andel forskere). Ordningen har den høyese kryssprogrameffeken på bruk av Skaefunn og noen effek på bruk av IN. Skaefunn: Ordningen har høy persisens i bruk (ca. 71 prosen), men beydelig høyere inngangsrae for ordningen (ca. 14 prosen). Den brukes jevnlig av alle yper foreak i forhold il sørrelse og mes av foreak i IKT sekoren. Mange foreak sluer å bruke ordningen dersom de ikke får e ny prosjek i løpe av 3 år eer de forrige søede prosjeke. Vi finner ikke beydelige kryss programeffeker på bruk av andre ordninger i absolu verdi, 18 For å undersøke om dee brukermønsre kan være relaer il den krafige nedgangen i anall Skaefunn-prosjeker eer 2003/2004 (se figur 3.1), har vi bruk samme modell men kun for perioden 2005-2012. Dee påvirker ikke resulaene, dvs. de beingede sannsynligheene for å få e ny godkjen Skaefunn-prosjek 1, 2 eller 3 år eer sis godkjene Skaefunn-prosjek er nesen ideniske og ligger rund 25 prosen. Som når en bruke den opprinnelige analyseperioden, går denne sannsynligheen krafig ned dersom sise Skaefunn-prosjek ble godkjen for 4 eller flere år siden, og den er mye lavere enn inngangsraen for ordningen (7,7 prosen versus 14 prosen). 14 Saisisk senralbyrå

Rapporer 2016/12 Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler men relaiv høy effek på inngangsrae for NFR-ordningen (dvs. fordobling av sannsynligheen for å få godkjen prosjek hos NFR for nye brukere). IN-søe: Ordningen har lav persisens, og de er høy mobilie inn og u av ordningen. Den brukes mes av små og mellomsore foreak i regioner uenfor Oslo og Akershus og mes av foreak i Forreningsmessig jeneseying. Ordningen har signifikan kryss programeffek på bruk av Skaefunn, og en relaiv høy effek på inngangsraen for NFR-ordningen (dvs. fordobling av sannsynligheen for å få godkjen prosjek hos NFR for nye brukere). Høy grad av persisens for bruken av NFR- og Skaefunn-midler søes også av resulaer fra analyse på prosjeknivå. Sannsynligheen for å få søe fra NFR (Skaefunn) il e ny prosjek er beydelig høyere for de foreakene som har ha e prosjek med en ilsvarende ype søe idligere. Dee gjelder særlig når de forrige godkjene prosjeke er fra de foregående åre. Da er sannsynligheen for å få søe il e ny prosjek hos NFR esimer il 30 prosen og for å få e ny godkjen Skaefunn-prosjek il 26 prosen. E av de andre ineressane funnene er a foreak som ikke er i skaeposisjon ypisk har høyere sannsynlighe for å få søe enn foreak som er i skaeposisjon. En mulig olkning av dee er a foreak som er likvidiesbeskranke ofe leverer gode søknader og derfor er mer ilbøyelige il å få søe. De kan yde på a ordningene som berakes i analysen reffer målgruppen. Dee funne er i råd med funnene i Cappelen mfl. (2012) og Møen og Rybalka (2011). Saisisk senralbyrå 15

Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler Rapporer 2016/12 Referanser Aschhoff, B. (2010): Who Ges he Money? The Dynamics of R&D Projec Subsidies in Germany, Journal of Economics and Saisics, 230(5), 522-546. Cappelen, Å., A. Raknerud og M. Rybalka (2012): The effecs of R&D ax credis on paening and innovaions, Research Policy, 41, 334-345. Cappelen, Å., E. Fjærli, D.-C. Iancu, M. Klemesen, A. Moxnes, Ø.A. Nilsen, A. Raknerud og M. Rybalka (2016): Innovasjons- og verdiskapingseffeker av uvalge næringspoliiske virkemidler, Rapporer 2016/12, Saisisk senralbyrå. Møen, J. og M. Rybalka (2011): Bør FoU-søe rees mo små eller sore foreak? Rapporer 2011/11, Saisisk senralbyrå. Peers, B. (2009): Persisence of Innovaion: Sylized facs and panel daa evidence, Journal of Technology Transfer, 34(2), 226-243. Peers. B., M. J. Robers, Van A. Vuong og H. Fryges (2013): Esimaing dynamic R&D demand: an analysis of coss and long-run benefis, NBER Working Paper 19374. 16 Saisisk senralbyrå