Adoption des voitures électriques : influence du prix de l'essence et autres déterminants de la demande
Notice bibliographique
Résumé
Le Québec, comme plusieurs juridictions dans le monde, s'est doté de cibles ambitieuses pour l'électrification des transports. Cette transition est essentielle pour réduire notre dépendance aux hydrocarbures et atteindre nos cibles de réduction des gaz à effet de serre. Il est important de bien comprendre ce qui influence la décision de passer à ces nouvelles technologies. Les subventions provinciales ont couté plus d'un milliard de dollars du début du programme jusqu'en 2023. Considérant les sommes importantes en fonds publics investis, il est essentiel de comprendre ce qui influence l'adoption des véhicules électriques pour mettre en place des politiques efficaces. Bien que ces incitatifs joue un rôle important dans cette transition en réduisant le surcoût de l'achat d'un véhicule électrique, ce mémoire propose d'étudier l'impact du coût de l'essence sur les achats de véhicules électriques. Pour bien identifier les déterminants de la demande, plusieurs caractéristiques, en plus du prix de l'essence, ont été intégrées dans ce mémoire : le prix du véhicule électrique, son autonomie, le nombre de modèles proposés sur le marché et la disponibilité de bornes de recharge rapide. Les données sur l'immatriculation des véhicules de la Société d'assurance automobile du Québec nous semblent pertinentes pour mesurer la demande pour les véhicules électriques, puisqu'elles contiennent l'information sur l'ensemble des véhicules immatriculés au Québec. D'autres sources de données sont également utilisées, telles que les prix de l'essence de la régie de l'énergie, les caractéristiques des véhicules du guide de l'auto, le nombre de bornes du Circuit Électrique d'Hydro-Québec, etc. Les résultats font état d'une forte influence du prix de l'essence avec une élasticité entre 1,68 et 2,06. Également, le prix du véhicule (élasticité entre -2.31 et -2.32) et son autonomie (élasticité entre 1,37 et 1,38) sont des déterminants importants de la demande. Il faut cependant interpréter ces résultats avec une grande prudence, car les analyses de sensibilité indiquent que ces résultats sont relativement instables.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».