Drivers of Purchase Decisions Among Consumers of Dried Flower Cannabis Products: A Discrete Choice Experiment
Notice bibliographique
Résumé
OBJECTIVE: Cannabis was legalized for nonmedical use in Canada in 2018. However, with a long-established illegal market, it is important to understand cannabis consumers' preferences in order to create a market that encourages purchasing cannabis through legalized channels. METHOD: A survey including a discrete choice experiment was conducted to estimate preference weights for seven attributes of dried flower cannabis purchases (price, packaging, moisture level, potency, product recommendations, package information, and regulation by Health Canada). Participants were at least 19 years of age, lived in Canada, and purchased cannabis in the last 12 months. A multinomial logit (MNL) model was used for the base model, and latent class analyses to identify subgroups preference profiles. RESULTS: A total of 891 participants completed the survey. The MNL model showed that all attributes significantly influenced choice, except product recommendations. Potency and package information were most important. A three-group latent class model showed that about 30% of the sample were most concerned with potency, whereas two groups--jointly making up the remaining 70%--were most concerned with package type (about 40% preferred bulk packaging, and about 30% preferred pre-rolled joints). CONCLUSIONS: Consumer purchase preferences for dried flower cannabis were influenced by different attributes. Preference patterns can be grouped into three categories. About 30% of the population appeared to have their preferences met by the legalized market, whereas another 30% appeared to be more loyal to the unlicensed market. The remaining 40% represented a group that may be influenced through regulatory changes to simplify packaging and increase availability of product information.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».