评估绿色物流对可持续经营绩效的影响：一种混合SEM-GM(1,1)方法的应用

《Logistics》：Assessing the Impacts of Green Logistics on Sustainable Business Performance: An Application of a Hybrid SEM-GM(1,1) Approach Khanh Han Nguyen and Tin Van Vo

　　

背景：在全球可持续发展紧迫要求下，物流部门作为关键经济推动力，同时仍是温室气体（Greenhouse Gas, GHG）排放的主要贡献者。本研究调查了越南中小企业中绿色物流实践与可持续经营绩效之间的因果关系，以竞争力为中介，并预测未来趋势，以指导符合净零目标的转型。方法：采用混合方法设计，整合结构方程模型（Structural Equation Modeling, SEM）与灰色模型（Gray Model, GM(1,1)）。主要数据通过李克特量表问卷收集，对350名管理者进行测量潜在变量。次要财务指标（收入、成本、资产、利润）来自15家企业，涵盖2021–2024年，用于预测。结果：使用自助法进行路径估计的SEM揭示了正向直接效应，其中绿色交通效应最强，技术、包装和仓储效应较弱。通过竞争力的中介产生混合间接效应：仓储和交通为正向，但技术为负向。GM(1,1)在数据不确定条件下预测了中等绩效增长。结论：该混合框架推进了新兴市场背景下的资源基础观（Resource-Based View, RBV），建议优先考虑交通和技术举措，同时配合政策激励，以与可持续发展目标保持一致并增强越南物流部门的韧性。

在气候变化日益加剧的背景下，物流部门既推动经济增长，又是温室气体（GHG）排放的主要来源。现有研究在绿色物流实践与可持续经营绩效之间的关系上存在碎片化，尤其缺乏对竞争力中介作用的实证检验，且针对越南中小企业（SMEs）的数据有限。本研究旨在通过混合结构方程模型（SEM）和灰色模型GM(1,1)的方法，填补这一空白。研究人员收集了350名越南物流企业高管和经理的问卷数据（测量绿色交通、仓储、包装、技术等实践，以及竞争力和环境、社会、治理（ESG）绩效），并提取了15家典型企业2021–2024年的财务数据（收入、成本、资产、利润）。利用偏最小二乘结构方程模型（PLS-SEM）进行路径分析，检验直接和间接效应；采用灰色模型GM(1,1)基于财务时间序列预测2025–2028年的绩效趋势。结论表明：绿色交通对可持续绩效的直接效应最强（标准化路径系数β=0.298），而绿色技术（β=0.073）、绿色包装（β=0.044）和绿色仓储（β=0.046）效应较弱；竞争力作为中介变量，在仓储和交通上产生正向间接效应，但在技术上产生负向间接效应（β=-0.049）；GM(1,1)预测中等绩效增长，平均绝对百分比误差（MAPE）约为5.00%，验证了模型的准确性。该研究推进了资源基础观（RBV）在新兴市场背景下的应用，建议企业优先投资绿色交通和技术，并呼吁政策制定者通过补贴和数字化激励措施支持绿色转型，以符合联合国可持续发展目标（SDGs）。论文发表在《Logistics》。

研究人员采用的关键技术方法包括：（1）偏最小二乘结构方程模型（PLS-SEM），用于估计潜变量之间的路径系数、检验直接和间接效应，并通过自助法进行假设检验；（2）灰色模型GM(1,1)，基于灰色系统理论，利用一阶累加生成操作（1-AGO）和最小二乘法估计参数（发展系数a和灰色作用量b），对2021–2024年15家越南物流企业的财务数据（输入因素：总资产、销售成本、销售费用、管理费用；输出因素：销售收入、税后利润）进行建模，并预测2025–2028年的绩效，以平均绝对百分比误差（MAPE）评估精度。样本队列来源为越南中小型物流企业的管理者和财务报告。

**5.1 SEM结果**
模型拟合指标（χ2/df < 3; RMSEA < 0.08; CFI > 0.95; TLI > 0.95）表明可接受的拟合度。绿色物流作为高阶外生潜变量，由绿色仓储管理（GW）、绿色交通（TS）、绿色包装（GP）和绿色技术（TE）四个一阶潜变量构成。测量模型显示标准化因子载荷（λ）在0.510至0.833之间，平均方差萃取量（AVE）均超过0.50，收敛效度良好。直接效应分析表明：绿色交通对可持续经营绩效（BP）的直接效应最强（β=0.298），绿色技术（β=0.073）、绿色包装（β=0.044）和绿色仓储（β=0.046）效应较弱。中介效应分析显示：竞争力（BC）在绿色仓储与绩效之间产生正向间接效应（0.021），在绿色交通之间为正向（0.008），但在绿色技术之间为负向（-0.049），表明短期竞争力提升可能伴随环境合规成本。假设H1、H2、H3、H4均得到支持。

**5.2 灰色模型结果**
以DMU4的总资产为例，GM(1,1)通过累加生成序列和最小二乘法估计参数（a=-0.0084, b=59366471.72），建立微分方程并恢复预测值。对12个决策单元（DMU）的2025–2028年财务指标预测显示，MAPE值范围为1.05%至8.83%，平均值为5.00%，中位数为5.37%，标准差为2.77%，表明模型精度良好（MAPE<10%），适用于新冠疫情后复苏与物流数字化加速背景下的中期预测。

讨论部分总结了SEM与GM(1,1)的协同作用：SEM揭示了绿色物流各维度对可持续绩效的差异化直接和间接贡献，其中绿色交通最为关键；竞争力中介效应在短期可能增加成本但长期有利于韧性。GM(1,1)弥补了SEM缺乏时间动态的局限，在数据稀疏和不确定情况下提供稳健的预测。结论指出绿色交通和绿色技术应优先发展，政策应通过税收减免和数字化举措推动采纳，以增强越南物流部门的全球整合能力与可持续竞争力。翻译研究结论部分：在气候变化日益加剧的背景下，欧盟的绿色经济标准与结构方程模型相结合，已被证明有助于阐明绿色物流投入与可持续经营绩效产出之间的因果关系，其中竞争力作为中介。该框架提供了坚实的实证基础，使物流企业能够系统性地优化战略。实践中，它支持基于证据的决策制定，降低环境制裁的财务风险，并利用新兴绿色市场的机遇——尤其是在东南亚，该地区物流部门年均增长8%。这不仅增强了竞争定位，也推动了全行业的可持续转型，与全球绿色经济目标保持一致。结构方程模型与灰色模型GM(1,1)的整合代表着一种先进的混合方法论，将分析从因果推断推进到定量预测，专门用于预测2025–2028年物流企业绩效。结构方程模型提供可靠的路径系数作为输入，而基于灰色系统理论的GM(1,1)则能有效处理稀疏或高度随机数据，无需传统模型（如ARIMA或时间序列回归）所需的严格概率假设。这种协同弥补了各自局限：结构方程模型提供因果深度但缺乏时间预测能力，而GM(1,1)擅长预测但难以处理复杂结构依赖关系。因此，该方法提高了可靠性，减少了不确定条件下的预测偏差，并促进了计量经济学中的混合建模。它通过展示如何用结构洞见增强不完整数据模型以实现更优预测，为经济预测理论做出贡献，特别是在可持续物流领域。此外，它还激发了融合经济学与灰色系统数学的跨学科研究，开启了数字经济学或气候风险管理等领域的应用。这种整合为战略管理提供了强大工具，重新定义了绿色物流的科学探究，并支持全球可持续发展目标。在日益复杂的计量经济学背景下，涉及可持续性感知或环境风险等潜在变量时，该模型促进了经济学、环境管理和统计学之间的跨学科合作。它也为新研究路径铺平了道路，包括评估长期外生冲击对绿色物流系统的影响，从而在全球化与数字化转型中丰富了应用计量经济学理论。