MétaCan
Menu
Retour à la cohorte
Enregistrement W6902892488 · doi:10.1016/j.enpol.2025.114770

What drives consumers to switch retailers? Evidence from the Alberta electricity market

2025· article· en· W6902892488 sur OpenAlexaffabout

Notice bibliographique

RevueEnergy Policy · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensCarleton UniversityUniversity of CalgarySGS (Canada)
Organismes subventionnairesnon disponible
Mots-clésElectricityPreferenceElectricity retailingProduct (mathematics)Consumer behaviourConsumption (sociology)Consumer demand

Résumé

récupéré en direct d'OpenAlex

This study examines consumer switching behaviour in Alberta’s retail electricity market, focusing on the impact of rate volatility, income, education, and age on search rates and product premia. The analysis reveals significant consumer inertia, with many customers remaining on default rate even when competitive alternatives offer lower rates. Higher electricity rates were found to significantly increase search activity and switching rates. Contrary to expectations, consumers living in higher-income and higher-educated areas more often made less cost-effective choices, often opting for the more expensive default rate, called the Regulated Rate Option (RRO). Consumers living in lower-income areas, despite being presumptively more price-sensitive, also showed a preference for the RRO, indicating potential market misjudgment. The findings highlight the importance of consumer information to foster a more competitive and efficient market, as many consumers appear to make non-cost-minimizing or suboptimal switching decisions, particularly during periods of rapid rate increases. • Examination of consumer switching behaviour in Alberta’s retail electricity market. • There is significant consumer inertia but rate shocks cause consumers to search. • Consumers in high-income and high-education areas often do not cost minimize. • A variety of consumer groups place a premium on the regulated default product. • The findings highlight the importance of consumer 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,461
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,264
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy PolicyMême sujetConsumer Market Behavior and PricingTravaux en français237 207