“I buy green products for my benefits or yours”: understanding consumers' intention to purchase green products
Notice bibliographique
Résumé
Purpose This research aims to conduct a comprehensive conceptual model and empirical validation of the integration of negative (ego-centric) and positive (altruistic and ego-centric) drivers of green buying based on social dilemma theory and psychological egoism theory. Design/methodology/approach Data were collected using a self-administered questionnaire survey and analyzed with hierarchical regression analysis. Findings The results indicate that moral obligations, green self-identity, environmental concern and social pressure are positively related to green purchase intention, while perceived cost of green purchasing and price sensitivity are negatively. Meanwhile, social pressure positively moderates the relationship between price sensitivity and consumers' green purchasing intention, but negatively moderates the relationship between perceived cost of green purchasing and consumers' green purchasing intention. Originality/value First, this study is a comprehensive model of the concept and empirical validation of the integration of negative (ego-centric) and positive (altruistic and ego-centric) drivers of green buying. Specially, this study emphasizes the neglected importance of positive ego-centric factors of green consumer behavior. Second, this study explicitly incorporated the moderating effect of social pressure in the context of China. Since green buying is a social dilemma, the changes in this social dilemma after being affected by social pressure under the Chinese collectivist culture are also worth noting. Third, little is known about what motivates green consumption in emerging economies, and this has been hampered by a lack of cultural knowledge, conceptual richness and behavioral research that critically analyses consumer behavior.
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 | 0,003 | 0,012 |
| 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 ».