供应链管理与韧性在推进循环经济中的作用解析:基于PLS-SEM的实证证据

《Business Strategy and the Environment》:Unraveling the Roles of Supply Chain Management and Resilience in Advancing Circular Economy: Empirical Evidence Using PLS-SEM

【字体: 大 中 小 】 时间:2026年07月09日 来源:Business Strategy and the Environment 13.2

编辑推荐:

  近年来,环境问题已达到临界水平,凸显了电子废弃物管理对缓解资源枯竭的重要性。然而,现有文献缺乏识别循环经济前因的框架。此外,强有力的理论证据表明,供应链风险管理和韧性可以支持循环经济实施,但实证验证仍然匮乏。本研究解决两个关键研究问题:(RQ1)供应链风险管理

  
近年来,环境问题已达到临界水平,凸显了电子废弃物管理对缓解资源枯竭的重要性。然而,现有文献缺乏识别循环经济前因的框架。此外,强有力的理论证据表明,供应链风险管理和韧性可以支持循环经济实施,但实证验证仍然匮乏。本研究解决两个关键研究问题:(RQ1)供应链风险管理和韧性能否被视为循环经济的前因?(RQ2)这些前因的哪些经验证配置能够实现循环经济?为回答这些问题,研究人员基于从巴西334名专业人士收集的调查数据,使用偏最小二乘结构方程模型(PLS-SEM)进行了实证验证。结果强调,逆向物流、闭环供应链、供应链风险管理、供应链韧性和智慧城市是循环经济的关键推动因素。本研究通过以下方式对文献做出贡献:(i)实证验证了一个循环经济框架,以及(ii)详细说明了每个构念对循环经济的贡献比例(因子载荷)。据研究人员所知,这是首项实证验证同时考虑供应链风险管理、韧性和循环经济的框架的研究。
**论文解读文章:供应链管理与韧性在循环经济推进中的角色——基于PLS-SEM的实证证据**

**研究背景、问题与动机**

在全球可持续发展转型的背景下,制造业和物流业因其显著的二氧化碳排放而备受关注,电子废弃物(e-waste)因设备生命周期缩短而急剧增加,成为严峻的环境挑战。循环经济(Circular Economy, CE)作为一种强调再利用、再循环和资源效率的战略模式,被广泛认为能缓解资源枯竭和环境污染。然而,现有文献缺乏全面且经过实证验证的框架来识别循环经济的前因。尽管理论表明供应链风险管理(Supply Chain Risk Management, SCRM)和供应链韧性(Supply Chain Resilience, SCRes)能够支持循环经济实施,但实证证据稀缺。此外,智慧城市(Smart Cities, SMTC)通过信息通信技术优化物流和废弃物管理,但其与循环经济的关系尚未充分探索。因此,本研究旨在填补这一空白,通过实证验证一个整合供应链风险管理、韧性、逆向物流(Reverse Logistics, RL)、闭环供应链(Closed-Loop Supply Chains, CLSC)和智慧城市作为循环经济前因的理论框架。该论文发表在《Business Strategy and the Environment》。

**研究内容与结论**

研究人员基于前人的理论框架(Senna, Marujo, Santos, et al. 2023),采用定量调查方法,从巴西334名专业人士中收集数据,运用偏最小二乘结构方程模型(PLS-SEM)进行实证检验。所有提出的假设均得到支持:供应链韧性正向影响供应链风险管理(H1);智慧城市正向影响供应链风险管理(H2);逆向物流正向影响闭环供应链(H3);供应链风险管理正向影响循环经济(H4);闭环供应链正向影响循环经济(H5)。研究意义在于:首次实证验证了同时考虑供应链风险管理、韧性和循环经济的整合框架,明确了各构念对循环经济的贡献比例(因子载荷),为实践者提供了实现供应链循环性的路线图。

**关键技术与方法(不超过250字)**

本研究采用定量调查方法,数据收集于2023年5月至2024年5月,通过滚雪球抽样法向巴西管理科学专业人士发放电子问卷,最终获得334份有效样本。主要关键技术包括:(1)探索性因子分析(Exploratory Factor Analysis, EFA)用于验证构念结构;(2)验证性因子分析(Confirmatory Factor Analysis, CFA)评估测量模型信度和效度;(3)偏最小二乘结构方程模型(PLS-SEM)检验假设关系和结构模型,使用R语言中的SeminR和Lavaan包;(4)采用马氏距离(Mahalanobis distance)剔除异常值;(5)使用Harman单因素检验和t检验评估共同方法偏差和未响应偏差;(6)通过Fornell-Larcker准则和异质-单质比率(HTMT)评估区分效度。样本来源为巴西专业人士,未注明具体行业或企业名称。

**研究结果**

**5.1 数据清洗**
通过马氏距离剔除17个异常值,最终获得334份有效问卷。

**5.2 可靠性**
通过组合信度(Composite Reliability, CR)、Cronbach's alpha和KMO值检验,所有构念的可靠性指标均超过推荐阈值(CR>0.60,Cronbach's alpha>0.60,KMO>0.60),表明测量模型内部一致性良好。

**5.3 收敛效度与区分效度**
平均方差提取量(AVE)的平方根高于构念间相关系数(Fornell-Larcker准则),且HTMT值均低于0.90,满足收敛效度和区分效度要求。但部分构念间(如SCRM与RL、SMTC与CE/CLSC、SCRM与SCRES)的AVE小于相关系数,提示存在概念重叠。

**5.4 共同方法偏差与未响应偏差**
Harman单因素检验显示单因子解释方差为38%(低于50%),表明共同方法偏差不严重。t检验比较早期与晚期受访者,未发现显著差异,表明未响应偏差无影响。

**5.5 拟合优度**
模型拟合指标:Goodness of Fit (GoF)=0.547(高于阈值0.36),Normed Fit Index (NFI)=0.821,标准化均方根残差(SRMR)=0.054(低于0.08),表明模型拟合良好。

**5.6 效应量与预测相关性**
内生构念的R2值:CLSC=0.622,CE=0.662,SCRM=0.795,均超过0.26,表明模型解释力强。效应量(F2)显示RL→CLSC为大效应(1.649),CLSC→CE为中效应(0.598),SCRM→CE为小效应(0.056)。Stone-Geisser Q2值整体为0.188,表明模型具有中等预测相关性。

**5.7 调节效应**
t检验显示行业(公共部门与私营部门)对路径关系无显著调节作用(p>0.05),但私营部门中SCRM→CE的路径载荷(0.298)高于公共部门(0.099),提示实践差异需进一步研究。

**讨论总结与结论翻译**

**讨论总结**:研究人员验证了整合SCRM、SCRes、SMTC、RL和CLSC的循环经济框架,所有假设均获支持,回答了RQ1(SCRM和SCRes可作为CE前因)和RQ2(经验证的前因配置包括RL、CLSC、SCRM、SCRes和SMTC)。研究指出,这些构念在现有文献中仍相对不足,尤其是Senna等(2023)的框架首次明确提出了SCRM与CE的关系但缺乏实证,本研究填补了此空白。同时,讨论揭示了构念间可能的概念重叠(如SCRM与SCRes),建议未来进行理论精细化。实际意义方面,为管理者提供了整合循环原则与供应链风险管理的路线图,鼓励采用全渠道策略和基于数据的风险映射。

**结论翻译**:本研究旨在通过偏最小二乘结构方程模型(PLS-SEM)实证验证一个整合供应链风险管理(SCRM)、供应链韧性(SCRes)、智慧城市(SMTC)、逆向物流(RL)和闭环供应链(CLSC)作为循环经济(CE)前因的概念框架。结果对提出的模型提供了强有力的实证支持,所有假设均得到验证。研究结果确认SCRM和SCRes可被视为CE的关键前因,同时识别出其他显著促进循环供应链发展的构念。在文献贡献方面,本研究通过实证验证一个先前仅停留在理论层面的整体框架(Senna, Marujo, Santos, et al. 2023)推进了现有研究,从而强化了对多个供应链相关构念如何相互作用以实现循环经济实践的理解。此外,研究识别并确认了CE的关键推动因素,突出了风险管理与韧性能力在支持从线性向循环供应链转型中的核心作用。从管理角度看,研究结果对实践者具有重要启示:实现供应链循环性不仅需要采纳循环经济原则,组织还必须发展强大的风险管理与韧性能力,并借助数据驱动方法和智慧技术。鼓励管理者系统地映射供应链风险,投资韧性建设策略,并将逆向物流和闭环系统整合到运营中。最后,本研究通过揭示构念间潜在的概念重叠(如SCRM与SCRes、CE与CLSC、SMTC与CE),为分析这些构念间的关系提供了新见解。尽管存在局限性(如样本来自巴西、滚雪球抽样可能产生偏差),但本研究为循环经济与可持续供应链管理领域的理论和实践发展做出了贡献。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号