Ce n’est pas un secret, le climat change et parmi les différentes sources de pollution le transport apporte une partie très importante. Nous avons déjà évoqué en quoi consistent les voitures autonomes, où en sont les fabricants et les alternatives à la combustion interne. Aujourd’hui, je vous invite à découvrir une partie du rôle du consommateur dans l’adoption de voitures électriques grâce à l’étude “A mixed analysis of perceptions of electric and hybrid vehicles » (Higueras-Castillo et al., 2020).
Comment expliquer votre attitude vis-à-vis de la voiture électrique ?
Cette étude cherche à évaluer l’intention d’adoption des voitures électriques et hybrides par des potentiels acheteurs à partir des variables qui impactent cette décision et la taille dudit impact. La littérature, qui a traité précédemment ce sujet, montre que des variables classiques comme le prix et les bénéfices financiers jouent un rôle important au moment de la prise de décision. La littérature montre aussi que l’attitude vis-à-vis de l’adoption de ce type de véhicules peut varier d’une personne à l’autre selon ses prédispositions relatives à l’environnement et à la réputation.
Collection des données
L’étude a été menée en Espagne et les données ont été obtenues via un questionnaire auprès d’un échantillon sélectionné grâce à une méthode d’échantillonnage non probabiliste. Plus de détails sur la publication.
Méthodologie d’analyse
Pour réaliser l’analyse et vérifier donc les conclusions d’autres investigations, cette étude a utilisé un modèle de comportement constitué par les variables ci-dessous :
- Fiabilité : a priori une de grandes critiques de voitures électriques et autonomes quand confrontés avec des voitures à combustion interne. Dans ce paper, la fiabilité est expliquée par 3 variables :
- Portée, soit la distance maximale parcourue avec une charge complète
- Temps de recharge, un grand différend entre les voitures à combustion interne et celles électriques et hybrides (5 minutes pour remplir le réservoir contre 15 minutes à 8 heures selon la batterie – Hidrue et al., 2011)
- Infrastructure disponible, c’est-à-dire le nombre de stations de recharge pour les utiliser (souvent signalées comme insuffisantes dans diverses études).
- Prix des voitures électriques et hybrides : souvent jugés comme plus élevés que leur équivalent en combustion interne
- Aides / bénéfices financières comme les subventions, réduction d’impôts ou même le prix de l’électricité
- Niveau de préoccupation vis-à-vis de l’environnement : la protection de l’environnement contribuerait à développer une attitude positive envers les voitures bien que cela reste un sujet de débat dans la littérature en termes de la magnitude de son impact
- Réputation soulevée par l’achat d’une telle voiture
A partir de ces variables et de la revue littéraire, les auteurs ont voulu tester 9 hypothèses :
- H1 : La portée limitée des voiture électriques et hybrides a un impact négatif sur la fiabilité perçue de la voiture
- H2 : Le faible nombre de stations de recharge a un impact négatif sur la fiabilité perçue de la voiture
- H3 : Le temps de recharge des batteries de ces voitures a un impact négatif sur la fiabilité perçu de la voitures
- H4 : La fiabilité perçue des voitures a un impact positif sur l’attitude vis-à-vis de la voiture
- H5 : Le prix élevé des voitures électriques et hybrides a un impact négatif sur l’attitude vis-à-vis de ce type de voitures.
- H6 : Les avantages monétaires proposées par le gouvernement ont un impact positif sur l’attitude vis-à-vis de la voiture
- H7 : la préoccupation pour l’environnement contribue positivement à avoir une bonne attitude envers ces voitures
- H8 : Une perception positive de conduire une voiture électrique et hybride a un impact positif sur l’attitude vis-à-vis d’adopter cette nouvelle technologie.
- H9 : Un attitude favorable envers les voitures électriques et hybrides a un impact positif sur l’intention d’en acheter une.
Modèle d’hypothèses (Higueras-Castillo et al., 2020)
L’analyse a été réalisée à partir de deux méthodologies :
- Un modèle d’équations structurelles (SEM) afin de déterminer la significance statistique des impacts des variables du modèle (donc tester les hypothèses) malgré le manque d’analyse de non-linéarité du SEM.
- Le modèle de réseau artificiel neuronal (ANN) qui leur permet d’estimer plus robustement l’influence des variables en prenant compte de la non linéarité des variables.
Résultats de l’étude
A partir du SEM :
Les résultats de l’étude prouvent que la portée, le temps de recharge et l’infrastructure affectent de manière significative (statistiquement) la fiabilité perçue des voitures électriques et hybrides. Or la portée est l’aspect qui affecte le plus la perception de fiabilité des potentiels acheteurs.
L’étude montre également que la fiabilité et les bénéfices financiers sont les principales sources d’inquiétude des consommateurs puisqu’une augmentation de la fiabilité perçue ou des bénéfices, ceteris paribus, a l’impact le plus important sur l’attitude envers les voitures électriques et hybrides.
Les facteurs moins déterminants mais tout de même significatifs sont la réputation sociale et la préoccupation environnementale. L’attitude des consommateurs est plus fortement encouragée par le caractère économique et utile des véhicules que par un intérêt environnemental ou social. Néanmoins ces deux variables contribuent positivement à avoir une attitude appréciative de ces voitures.
Surpressivement, le prix des voitures n’a pas un impact statistiquement significatif sur l’attitude envers les voitures. D’après les auteurs, cela est dû aux bénéfices financiers d’avoir ce type de voitures. En effet, l’impact positif des bénéfices sur compense l’effet négatif du prix au point de l’annuler et continuer.
Finalement, le modèle montre qu’une attitude favorable envers ces types de voitures a un impact important sur l’intention d’acheter une voiture.
A partir de l’ANN :
Avec ce modèle, les auteurs ont voulu se concentrer dans la vraie magnitude des impacts des variables du modèle et non vraiment leur significance (objectif du modèle SEM). Ce modèle consiste généralement d’une couche de neurones avec les paramètres statistiquement significatifs (couche input), une couche d’autant neurones comme variables dépendantes (couche output) et plusieurs couches cachés de neurones. Deux modèles sont étudiés, le modèle A pour étudier la fiabilité et le modèle B pout étudier l’attitude vis-à-vis de voitures électriques et hybrides. Chaque modèle contient une seule couche caché pour prendre en compte les possibles fonctions continues. Grâce à un software de simulation, le modèle A contient 2 neurones dans sa couche caché et le modèle B contient 3 neurones.
Modèles ANN (Higueras-Castillo et al., 2020)
Le modèle ANN est, comme mentionné auparavant, capable de mesurer plus précisément la magnitudes des impacts que le modèle SEM. Avec l’ANN les modèles sont capables d’expliquer autour du 91% de la variance du modèle A (contre 30% du modèle SEM) ainsi qu’autour du 94% de la variance du modèle B (contre 70% du modèle SEM). Cela veut dire que la magnitude des effets des paramètres retrouvée via l’ANN est plus robuste que le modèle SEM.
Les chercheurs ont trouvé à nouveau que la portée, le temps de recharge et le nombre de stations de recharge ont un effet négatif sur la fiabilité perçue. Or, dans ce cas, la portée et le temps de recharge nombre de stations de recharge contribuent presque pareil à la fiabilité perçue.
Ce modèle démontre également qu’en effet la fiabilité et les bénéfices d’acheter une voiture électrique et hybride sont les principales sources d’impacts pour développer une attitude favorable pour ces voitures. Cependant, dans ce cas, la fiabilité a une influence 40% plus importante que dans le modèle SEM.
ANN permet également de challenger l’estimation des impacts de la préoccupation pour l’environnement et la réputation d’avoir une voiture électrique et hybride. Contrairement au SEM, la préoccupation est plus importante dans le développement d’une attitude positive envers les voitures électriques et hybrides que la réputation.
Sources : https://doi.org/10.1016/j.enpol.2019.111076
N’hésitez pas à vérifier nos autres articles :