Beyond One-Size-Fits-All: Decoding Heterogeneous Driving Factors of Urban Innovation in China through Interpretable Machine Learning
Diese Studie nutzt interpretierbares maschinelles Lernen, um aufzuzeigen, dass die urbanen Innovationskapazitäten in China durch heterogene, nichtlineare Faktoren – wie etwa die Dichte von Innovationsnetzwerken, die Wirtschaftsdichte und Forschungs- und Entwicklungsinvestitionen – angetrieben werden, deren relative Bedeutung und Aktivierungsschwellen je nach Stadtgröße, Entwicklungsstadium und administrativer Hierarchie signifikant variieren, was somit für maßgeschneiderte, kontextsensitive Innovationspolitiken plädiert.