Essays on the economics of electric vehicle markets: Effect of subsidies on adoption, infrastructure development, and environmental outcomes
Notice bibliographique
Résumé
This thesis explores the role of governmental subsidies in promoting electric vehicle adoption, and their potential for decarbonizing the Canadian transportation sector. The first chapter studies the impact of subsidies on electric vehicle adoption in Ontario and Quebec. I leverage the fact that Ontario significantly increased electric vehicle subsidies in 2016 to identify the causal effect of subsidies on electric vehicle sales using a difference-in-difference analysis. I find evidence that the increase in subsidies led to an increase in electric vehicle adoption, although the effect occurred with a lag. I find no evidence that the policy change generated a response from charging station operators directly, suggesting that network operators do not respond to rebate programs before the increase in demand is realized. The second chapter studies the ‘Roulez Vert’ program which was implemented in Quebec in 2012. I study in more depth how these subsidies impact the market for electric vehicles. A key feature of this work is that not only do I study how consumers react to the policy, but also how charging station operators alter the configuration of local charging station networks, and how car manufacturers update prices in reaction to the increased demand for electric vehicles. My analysis relies on a structural demand estimation. I find that the Roulez Vert program was responsible for 45% of electric vehicle sales and 26% of charging station installations between 2012 and 2018. I estimate the marginal cost of abating emissions using this program to be $340 per ton, well above conventional estimates for the social cost of carbon. This result raises questions about the cost-effectiveness of these rebate programs
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 ».