Who wants zero-emissions vehicles and why? Assessing the Mainstream market potential in Canada using stated response methods
Notice bibliographique
Résumé
Extensive deployment of zero-emissions vehicles (ZEVs) is likely essential for Canada to achieve its greenhouse gas reduction targets, including plug-in hybrid electric vehicles (PHEVs), battery electric vehicles (BEVs) and hydrogen fuel cell vehicles (HFCVs). To effectively promote ZEVs, it is critical to understand the factors that influence consumer interest in ZEVs. In this study, I surveyed 2,123 Canadians that intend to buy new vehicles to develop insights into “latent demand” among consumers, (that is, what demand would be if the ZEVs were fully available in the market), including ZEV-related preferences and possible underlying motivations for interest. Specifically, I analyze results from two stated response methods: design exercises and a stated choice experiment. First, the design exercises reveal that 21% of respondents are interested in ZEVs (a proxy for latent demand), where interest is primarily in PHEVs, followed by BEVs and HFCVs. ZEV-interested respondents tend to be younger and have higher education and income levels, and are also unique in measures of lifestyle engagement, values, and environmental concern. The design exercises also revealed that HFCV-interested respondents are distinct from PHEV- and BEV-interested respondents in their values and possible underlying motivations. Using data from the stated choice experiment, I estimated a latent class discrete choice model, and identified five unique respondent segments. Thirty-six percent of respondents fall probabilistically into segments which have strong preferences for ZEVs, 20% of respondents are undecided about ZEVs but remain open to them, and 44% of respondents prefer conventionally fueled vehicles. The latent class model indicates that respondents who prefer ZEVs are younger and have higher education levels, and have greater environmental concern, more environmental-oriented lifestyles, and stronger pro-social values. Results from this study indicate that financial subsidies and home recharging could be effective in increasing latent demand. Policy makers would be wise to consider the range of preferences and possible motives for ZEV interest when designing ZEV-supportive policy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».