Beyond One-Size-Fits-All: Decoding Heterogeneous Driving Factors of Urban Innovation in China through Interpretable Machine Learning
Cette étude emploie l'apprentissage automatique interprétable pour révéler que les capacités d'innovation urbaine en Chine sont pilotées par des facteurs hétérogènes et non linéaires — tels que la densité du réseau d'innovation, la densité économique et l'investissement en R&D — dont l'importance relative et les seuils d'activation varient considérablement selon la taille des villes, les stades de développement et les hiérarchies administratives, préconisant ainsi des politiques d'innovation sur mesure et sensibles au contexte.