Exploring the factors affecting home energy retrofit adoption - a case study of the EcoENERGY retrofit program
Notice bibliographique
Résumé
In the wake of the global financial crisis, the Canadian government created the EcoENERGY Retrofit for Homes program with the stated goal of “Encouraging homes to become more energy-efficient, reduce emissions produced through energy use, and contribute to clean air, water, energy, and a healthy environment for Canadians." However, results varied considerably nationwide. An early review of this data suggests that retrofits were not adopted with \nspatial or temporal uniformity. \n \nPopulation data on were obtained from the 2006 and 2011 censes and the National Household Survey; these were then matched with household pre- and post-retrofit data from the EcoENERGY Retrofit program. Multiple linear regression analysis of the retrofit adoption rate was conducted at the finest spatial resolution common to these datasets. \n \nThis preliminary analysis suggests that income, non-condominium properties, and high shelter costs (greater than 30% of household income) had a significant positive correlation with adoption of retrofit measures at a 99.9% confidence level. Meanwhile, renter-occupied units and participation in the workforce were negatively correlated. Seasonal variation was also observed, with the majority of retrofits occurring in winter months. Further, spatial \nvariation at both the city and neighbourhood level suggests a greater degree of program customisation is required to ensure uniform building stock improvement. \n \nThe findings fit with an emerging pattern that grant programs can be effective at delivering high volumes of savings but have a limited market impact in the post-funding period; ~25% of energy advisors were laid off after the conclusion of the initial program end date of March 2011, tied to a sharp decline in the number of energy audits. This study reinforces the importance of the upfront cost barrier and consistent federal-level support. However, retrofit program design may need to provide different grants in different municipalities to address specific community needs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».