评估循环经济实施策略之间的相互关系

《Cleaner and Responsible Consumption》：Assessing Interrelationships Among Circular Economy Implementation Strategies

　　哈迪·巴德里·艾哈迈迪 | 穆罕默德·古尔 | 希曼舒·古普塔 | 梅利赫·尤切桑 | 詹姆斯·J·H·刘
台湾国立台北科技大学工业工程与管理系，台北

**摘要**
实施循环经济（CE）的策略旨在提高资源效率、减少原材料消耗并降低废物产生。尽管许多文章研究了CE的实施策略，但专注于这些策略之间相互作用和关联性的研究仍然较少。为了解决这一问题，本研究开发了一个评估框架，旨在使用分解模糊决策制定试验与评估实验室（DF-DEMATEL）方法，评估新兴经济体制造业背景下CE实施策略之间的相互作用。研究结果表明，“投资绿色技术”是实现CE最关键的策略，应得到最大程度的关注。这项研究帮助工业决策者和专家在其供应链中投资于最关键的策略，从而迈向可持续发展。

**1. 引言**
快速的工业化导致了资源的过度消耗，引发了资源枯竭和广泛的环境污染[1],[2]。采用环保的制造框架对于保护环境和促进可持续的制造系统至关重要[3],[4]。循环经济（CE）的概念特别受到政策咨询组织的关注，这些组织希望应对重大的可持续性挑战[5],[6]。CE通过提出节约有限资源（包括材料、水和化石燃料）的方法来解决环境问题[7],[8]。有效的CE实施可以降低材料成本、通过回收创造新的收入来源、促进创新并减少废物[9]。要实现这些目标，需要采用能够在保护自然资源的同时刺激经济增长的策略[10]。实施适当的CE策略还可以推动创新并创造就业机会[11]。越来越多的研究调查了CE的实施策略（例如[12],[13]），然而这些策略之间的相互作用和关联性在新兴经济体的制造业领域被忽视了。为了填补这一空白，本文提出了一个决策框架，用于探索这些策略之间的相互依赖性。本文的总体贡献可以总结如下：
(1) 提出了一个多标准框架，用于评估新兴经济体制造业背景下的CE采纳策略。
(2) 使用DF-DEMATEL方法在实证环境中分析策略之间的关联性。
(3) 在一个发展中国家的背景下展示了所提出模型的实际应用。具体而言，本文提出了以下研究目标：
(1) 开发一个评估新兴经济体制造业背景下CE实施策略的框架。
(2) 分析CE实施策略之间的相互依赖性。
(3) 明确这项研究的管理和政策意义。

为了实现研究目标，进行了文献综述，并确定了几种潜在的CE实施策略。然后，由行业专家进行了多轮审查，以完善和具体化这些策略并开发评估框架。最后，应用DF-DEMATEL方法基于几位行业专家的意见来研究策略之间的关联性。

本文的其余部分结构如下：第2节回顾相关文献，第3节介绍研究方法，第4节通过案例说明评估所提出模型和决策框架的适用性，第5节讨论研究结果，第6节总结结论。

**2. 文献综述**
**2.1. CE概述**
CE可以描述为一个从传统的“获取-制造-废弃”模型转向的框架，它提倡减少、再利用和回收的策略[14]。向CE转型通过增加产品价值来减少废物，有助于建立一个更具韧性和公平的社会[9]。根据Pomponi和Moncaster[15]的观点，价值链，即从产品构思到生产、消费者消费直至最终处置的过程，可以分为两种类型：线性和闭环。在传统的线性价值链中，在生产和产品寿命结束后被丢弃的过程中会产生大量废物，这些废物不再用于进一步消费[16]。然而，在CE的背景下，来自各种供应链活动的废物被收集起来，用于再制造[7]。这种循环设计或闭环供应链与CE的原则紧密一致[1]。闭环供应链优先考虑产品回收和资源再利用，但需要协调机制和治理来推进循环系统[4],[17]。根据Koszewska[18]的观点，应鼓励制造商采用CE方法建立可持续的业务框架。CE还通过减少自然资源的使用来提高社会福祉和生态创新[5],[19]，并通过闭环系统重新利用产品来增加价值，而不是依赖传统的线性物料流程[3]。CE通过强调废物减少和资源效率提升，克服了传统线性“获取-制造-废弃”模型的局限性[6]。根据Korhonen等人的研究[5]，实施CE有助于环境、经济和社会的改进。从环境角度来看，CE减少了生态系统压力，降低了温室气体排放，并保存了稀缺资源[20]。从经济角度来看，采用循环实践对于推动创新、优化资源利用和创造就业机会至关重要[9]。从社会角度来看，它促进了消费者行为向环保消费的转变，强调产品的耐用性和易于维护[21]。然而，CE研究仍处于早期阶段，特别是在新兴经济体中，需要更详细的分析[17]。

**2.2. 实施CE的策略**
为了有效实施CE，需要考虑一系列策略[22],[23]。利用CE策略可以创建一个可持续的废物管理系统，促进经济增长并减少资源消耗[24]。这些策略有助于减少来自工业运营和能源使用的二氧化碳排放[25]。通过采用CE策略，可以构建一个更加繁荣的未来，保护自然资源并最小化人类活动的负面影响[26]。文献中讨论了多种支持CE策略的框架，包括10R模型（包括重新思考、拒绝、再利用、减少、修理、再制造、翻新、重新利用、回收和恢复[见图1][3],[7]。ReSOLVE模型包括再生、共享、优化、循环、虚拟化和交换等策略[27]。其他框架包括从摇篮到摇篮（C2C）模型、仿生学模型、强调减少、再利用和回收的3R框架以及循环商业模式框架[28],[29]。

**图1. 10R框架（摘自[3]）**

许多研究人员调查了不同背景下的CE实施策略。例如，刘等人[30]评估了多项可持续城市政策制定的CE策略。根据他们的发现，制定可持续政策和绿色基础设施是应对环境问题和支持经济增长的关键策略。Kharayat和Gupta[31]关注CE策略的社会方面，研究了可持续性、清洁生产和CE安全性等概念之间的相互关系。尽管之前的研究使用不同的背景和方法论调查了CE实施策略，但这些研究缺乏一个能够捕捉策略之间相互关系的综合评估框架。本文通过开发一个系统的评估框架并应用DF-DEMATEL来模拟CE策略的相互依赖性，解决了这一研究空白。表1总结了最近关注CE实施策略的研究。表2提供了初步的CE实施策略列表，包括操作实践和一般性陈述。这些策略仅作为初步列表，并未直接用于DF-DEMATEL阶段。通过专家筛选对它们进行了评估，以完善和具体化策略。因此，最终策略列表如表5所示。

**表1. 最近关注CE策略的研究**

**参考文献**
| 方法 | 应用 | 主要发现 | | | | | | |
|--------------|-------------------|-------------------------------------------------|--------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------| | |
| 动态库存流建模与LCAP结合 | 私人汽车流动性（比利时车队） | 减少13%的温室气体排放；存在权衡 | | | | | |
| 基于指标的AHP框架（9R循环指数） | 使用物质流分析比较循环系统和线性系统 | 9R指数提高了数据驱动的CE比较和决策制定 | | | | |
| 模糊AHP-VIKOR（MCDA框架） | 城市CE政策制定（中国） | 关键因素：经济可行性、治理、技术创新；关键策略：绿色建筑、绿色基础设施发展 | | | | |
| 文献综述（CE-LCA-成本效益） | 多部门环境系统（废物、能源、工业） | CE气候缓解；约束：碳去除成本和土地利用；LCA优化 | | | | |
| QFD-TOPSIS决策支持模型 | 住宅建设项目 | 优先考虑循环性高、成本低和技术复杂性低的CE策略 | | | | | |
| 概念/关键分析（基于文献） | 电动汽车转型中的CE政策 | CE策略对电动汽车的影响：更高的排放、可再生能源转型的延迟 | | | | |
| 基于代理的模型模拟消费者行为 | 在CE策略下模拟消费者行为；量化循环性和温室气体排放 | | | | | | |
| ABM模拟产品-服务系统以促进净零CE | 使用MMC、放大和DSP模拟CE废水系统 | ABM捕捉系统协同效应、瓶颈和反弹效应，以支持CE干预 | | | | |
| 基于平衡的供应链模型与LCA和经济评估 | 评估一次性塑料瓶供应链与可重复使用塑料瓶供应链中的CE策略 | 气候内化增加了成果，但政策限制降低了福利和CE策略的采纳 | | | | |
| POSET基多指标决策方法 | 对建筑行业中CE策略进行排名 | 部分顺序排名允许在不加权指标的情况下进行稳健的CE策略优先级排序 | | | | | |
| 创建可回收产品设计 | [4],[38] | | | | | | |
| 促进共享经济 | [10],[25] | | | | | | |
| 采用闭环生产方法 | [1],[24] | | | | | | |
| 投资绿色技术 | [16],[32] | | | | | | |
| 推动可持续能源资源 | [39],[40] | | | | | |
| 鼓励有效利用能源 | [11],[41] | | | | | |
| 减少环境影响 | [43],[44] | | | | | | |
| 推进可持续农业 | [12],[45] | | | | | | |
| 创新回收技术 | [22],[23] | | | | | | |
| 可持续性创新 | [16],[32] | | | | | | |
| 协助企业采用循环实践 | [43],[44] | | | | | |
| 10R框架 | [3],[24] | | | | | | |
| 循环输入、产品使用扩展和资源回收 | [24],[29] | | | | | | |
| 仿生学框架 | [23],[46] | | | | | | |

**表5. 评估框架**

| 策略 | 操作定义 | | | | | | | |
|-------------------|-------------------------------------------------|--------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------| | |
| 产品-服务系统及共享平台的采用 | （ST 1） | 采用租赁、共享和产品即服务模型等机制，增加资源的共享使用 | | | | |
| 采用闭环生产系统 | （ST 2） | 采用材料和产品被再利用、回收或再制造并重新引入生产循环的生产方法，从而减少废物并最小化对原始材料的需求 | | | |
| 采用先进的回收技术 | （ST 3） | 使用化学回收和基于AI的分类等技术将废物转化为可再利用的原材料 | | | | |
| 发展基础设施 | （ST 4） | 包括创建和修改基本组织结构（如物流和通信系统），以支持经济活动并最大化社会生活质量，包括发展循环物流和逆向供应链系统 | | | |
| 促进循环设计 | （ST 5） | 循环设计是指通过可持续的材料选择、能源高效制造和闭环产品回收（如回收和翻新）来最小化资源投入和废物产生 | | | |
| 减少环境影响 | （ST 6） | 实施减少排放、最小化废物和清洁生产等运营实践，以减轻环境影响 | | | | |
| 产品和过程中的生态创新 | （ST 7） | 开发环保产品和过程创新，从而在可持续性成果方面实现可衡量的改进 | | | | |
| 投资绿色技术 | （ST 8） | 分配财务和组织资源，支持工业和建筑过程中提高能源效率的环保技术，并改进资源回收系统，以减少环境影响 | | | | |DFS的核心理念是从乐观和悲观的角度来呈现这些评估结果，从而能够捕捉到决策者从这两个角度的判断。这种方法通过考虑不同的观点，收集了更全面的信息，从而实现了更精确的评估[49]，[50]。DFS通过以下方程式（ Eq. (1)）引入。（1）其中，这个符号的第一部分指的是模糊集合的乐观视角；和分别表示在乐观方向上的成员度和非成员度。类似地，表示在悲观集合中的成员度和非成员度。为了介绍两种不同分解模糊数之间的基本算术运算，读者可以参考补充材料3.2节。

3.2 分解模糊决策制定试验与评估实验室（DF-DEMATEL）
在本小节中，应用DF-DEMATEL方法来分析已识别标准之间的因果关系。该方法遵循一系列步骤，总结如下：
步骤1：转换和聚合专家的语言评估，并推导出分解的模糊直接关系。在这一步中，我们使用分解的模糊语言尺度来反映专家的观点，以解决人类判断中的固有不确定性。然后根据聚合的专家评估构建一个表示标准之间关系的分解模糊直接关系矩阵，如方程式（2）所示。（2）这里的表示分解的模糊数。该矩阵包括专家对乐观和悲观问题的语言评估。首先，这些语言评估根据表3中概述的尺度转换为相应的数值。然后，使用补充文件中的DWGMO方程式（7）获得的语言评估对应的数值进行聚合。专家的系数值是一个重要参数，因此使用相关文献中的方法进行了评估[51]。
表3. DF-DEMATEL的模糊语言尺度（改编自[48]）
乐观语言术语
悲观语言术语
完全相等的影响度（EEID）0.50
0.50
完全相等的依赖度（EEDD）0.50
0.50
稍大的影响度（SMID）0.60
0.35
稍相等的依赖度（SEDD）0.35
0.60
稍强的影响度（WMID）0.65
0.30
0.30
稍强的依赖度（WMDD）0.30
0.65
更大的影响度（MID）0.70
0.25
0.25
更大的依赖度（MDD）0.25
0.70
很强的影响度（SMID）0.75
0.20
很强的依赖度（SMDD）0.20
0.75
非常强的影响度（VSID）0.80
0.15
非常强的依赖度（VSDD）0.15
0.80
绝对更大的影响度（AMID）0.85
0.10
绝对更大的依赖度（AMDD）0.10
0.85
完全更大的影响度（PMID）0.90
0.05
完全更大的依赖度（PMDD）0.05
0.90
完全相等的影响度（EMID）0.94
0.01
完全相等的依赖度（EMDD）0.01
0.94
这一步的主要任务是计算聚合后的值。使用前面公式推导出的得分指数得到预期的分解模糊直接关系矩阵（ Eq. (3)）。（3）其中表示分解模糊数的期望值。
步骤2：规范化预期的分解模糊直接关系矩阵。使用方程式（4）对分解的模糊直接关系矩阵进行规范化。（4）这里，然后可以将其写成方程式（5）中的形式。（5）
步骤3：构建分解模糊总关系矩阵。这一步使用方程式（6）进行计算。（6）其中表示分解模糊总关系矩阵，表示单位矩阵。因此。
步骤4：绘制因果图。确定每个标准的和，表示矩阵的行之和和列之和，如方程式（7）和方程式（8）所示。（7）（8）这里，表示影响强度指数，而表示显著性因子指数。通过将这些值放在格式中，可以构建一个重要的关系图来说明因果组。垂直轴表示“关系”。如果值是正数，该标准属于原因组；如果是负数，则属于结果组。

4. 案例说明
中东一个发展中国家的制造公司邀请了20位专家参与这项研究。他们是通过专业网络和行业联系通过目的性抽样选出的。有超过15年经验的6位专家接受了邀请并加入了小组。这些专家担任高级管理职位，并具有评估供应链运营中循环经济（CE）实践实施的经验。他们在各自的领域都是知识渊博的专业人士。鉴于研究的性质，一个小型但经验丰富的专家小组被认为是适当和足够的。选择专家小组的目的是不是为了获得统计上具有代表性的样本，而是为了收集能够有意义地评估CE实施策略之间相互关系的专家意见。专家是根据他们在不同行业中的高级管理经验目的性地选出的，以增加观点的多样性。这种多样性增强了研究结果的普遍性。尽管参与是自愿的，但潜在的自我选择偏差可能会通过吸引对CE策略有更强烈兴趣或更积极看法的专家来影响结果。然而，通过包括来自不同行业和管理背景的专家，这种风险得到了部分缓解，这有助于减少同质性并提高判断的可靠性。该研究涉及六个行业的六家制造公司：瓷砖、汽车、皮革、摩托车、电信和电子。这些公司的特点是资源消耗高、废物产生量大且对环境有严重影响，这使它们适合分析CE策略。由于回收基础设施有限、技术升级有限以及许多制造活动依赖于传统的线性生产系统，这些挑战更加突出。CE实践的采用仍处于实施的早期阶段，需要更多的关注和投资。虽然存在一般的环境法规，但专门支持CE实践的政策和激励措施仍然不完善。许多公司面临财务和资源限制，这阻碍了对清洁和循环技术的投资。根据Rezaei等人的研究[52]，依赖专家输入的方法可能涉及的专家数量有限（例如，[9]，[53]）。表4展示了这些专家的概况。

表4. 参与此项研究的专家概况
专家和公司（行业）职位 经验（年）重要性权重
专家1（汽车） 供应经理 16 0.151
专家2（皮革） 采购经理 17 0.182
专家3（摩托车） 物流经理 20 0.167
专家4（瓷砖） 维护经理 19 0.197
专家5（电信） 生产经理 21 0.151
专家6（电子） 财务经理 18 0.152
为了确保对专家判断的严格和透明聚合，根据文献[54]中提到的对他们专业背景的定量评估，计算了每位专家的重要性权重。该程序遵循三个主要标准：职位标题、经验年限和教育水平。每位专家的概况首先被映射到一个从1到5的数值尺度上。例如，对于职位标题，职位从“操作员/研究助理”（2）到“首席工程师/教授”（5）进行评分。对于经验年限，经验分为5年的增量，其中15-20年得分为4，超过20年得分为5。对于教育水平，学术资格从高中（1）到博士学位（5）进行排名。通过将三个标准上的个别值相加来确定每位专家的累计得分。例如，专家2的职位得分为3，经验得分为4，教育得分为5，总分为12。每位专家的最终权重系数是通过将他们的个人总分除以所有六位专家的总分来计算的。数学上，这表示为：其中表示专家的总分，表示专家的总数。使用这种方法，所有权重系数的总和等于1，确保每位专家对最终结果的影响是成比例和平衡的。

4.1. 构建评估框架
本小节描述了框架的细化过程。由于从文献中识别出的策略集（表2）代表了一个初步框架，专家评审过程不仅仅限于简单的选择，而是旨在将这些策略细化并操作化为用于分析的最终策略列表。首先，向专家提供了列出的策略调查（见表2）。然后，要求他们审查这些策略，并通过标记（+）表示接受或（-）表示拒绝来识别与他们公司供应链运营最相关的策略。研究团队和专家之间同意，只有至少得到四位专家批准的策略才会进入下一轮评审。选择了至少需要三分之二专家同意的阈值（例如，至少六位专家中的四位），以平衡包容性和严谨性。这个阈值在基于专家的研究中很常见，特别适合小型专家小组。更严格的阈值可能过于限制，而较低的阈值可能会降低决策的稳定性。没有得到至少四位专家批准的策略将被排除在后续轮次之外。此外，还要求专家根据他们的经验和知识提出额外的策略。在每一轮中，通过淘汰、重新考虑和根据专家反馈纳入新建议来细化策略列表。专家通过将广泛且重叠的策略修订为更具体和与上下文相关的条目，为策略的澄清和操作化做出了贡献。两位专家提出了“发展基础设施（ST4）”和“促进循环设计（ST5）”两个额外策略。经过四轮评审后，最终策略列表达到了稳定，专家们没有进一步提出修改建议。因此，选择了八项策略进行最终评估（见表5）。需要注意的是，这种结构化的筛选方法，在评估阶段结合专家反馈来确定特定因素的纳入，在以前的学术研究[53]、[55]、[56]中得到了广泛的应用。

4.2. 将DF-DEMATEL应用于案例
为了清晰起见，并提高理解，专家们在评估前提供了两个乐观和悲观尺度的示例。向每位专家提供了两个单独的评估表，其中包含以下问题：
•“根据您的专业知识，左侧标准如何影响右侧标准？请从乐观的角度进行评估。”
•“根据您的专业知识，左侧标准如何影响右侧标准？请从悲观的角度进行评估。”
专家们使用表3中概述的分解模糊语言尺度完成了评估。之后，使用补充文件中方程式（6）指定的DWAMO计算了专家的权重和评估结果。这些权重允许通过考虑乐观和悲观的观点来更准确地聚合不同的专家意见。乐观和悲观评估的DWAMO聚合结果分别显示在表6和表7中。这些表格显示了专家们对CE策略之间关系的共识，反映了决策过程中感知到的正面和负面影响。

表6. 乐观评估的分解加权算术平均数
ST1 ST2 ST3 ST4 ST5 ST6 ST7 ST8
0.50 0.50 0.63 90.04 80.88 80.00 0.78 40.00 30.79 10.05 20.74 70.00 0.64 70.06 0.66 50.00 1
ST2 0.74 80.00 10.50 0.50 0.66 40.00 70.83 40.00 20.80 50.00 0.76 70.02 0.77 50.00 50.70 70.04 9
ST3 0.83 80.00 0.74 0.02 30.50 0.50 0.65 20.15 30.70 0.01 30.83 0.00 0.73 80.00 40.85 60.00 0
ST4 0.64 20.04 90.74 70.00 80.61 0.20 0.50 0.50 0.71 0.00 20.78 0.00 0.76 40.00 20.83 90.00 0
ST5 0.70 20.01 40.71 40.01 20.67 30.01 0.84 20.02 20.50 0.50 0.70 10.00 60.74 10.00 90.66 60.00 7
ST6 0.73 80.00 30.71 30.00 0.63 90.06 30.69 20.01 90.72 30.02 10.50 0.50 0.80 30.00 0.74 40.00 4
ST7 0.77 20.00 10.66 40.01 10.82 40.00 20.84 20.01 40.59 20.31 0.86 40.00 0.50 0.50 0.58 60.23 8
ST8 0.74 40.01 40.79 80.00 40.80 0.00 40.71 50.00 50.61 60.11 80.67 20.05 20.79 50.00 0.50 0.50 0.50 0
表7. 悲观评估的分解加权算术平均数
ST1 ST2 ST3 ST4 ST5 ST6 ST7 ST8
0.50 0.50 0.31 60.65 60.33 0.63 10.24 40.70 50.13 50.81 50.13 90.81 0.25 10.70 90.23 40.72 7
ST2 0.31 40.64 60.50 0.50 0.27 20.69 0.09 10.85 90.31 0.64 90.17 30.77 60.23 60.72 40.10 30.84 7
ST3 0.04 50.90 50.24 50.70 0.50 0.50 0.28 90.67 20.33 50.62 40.25 50.70 70.24 80.71 50.19 70.75 2
ST4 0.26 70.69 30.24 90.71 20.30 80.66 10.50 0.50 0.50 0.19 0.76 0.36 30.61 0.15 60.79 40.31 60.65 7
ST5 0.26 80.69 40.21 60.73 30.28 80.67 30.26 20.69 80.50 0.50 0.21 50.73 40.20 60.75 40.19 90.75 1
ST6 0.22 30.73 80.23 80.71 10.34 80.62 30.16 10.78 80.24 30.71 80.50 0.50 0.30 20.65 70.17 90.78 4
ST7 0.17 50.77 40.37 10.60 70.17 90.77 0.22 20.72 80.24 50.70 50.32 20.65 0.50 0.50 0.18 50.76 4
ST8 0.32 70.64 30.21 70.73 10.60 70.17 90.77 0.22 20.72 80.24 50.70 50.32 20.65 0.50 0.50 0.18 50.76 4
表8. 分解加权算术平均数
ST1 ST2 ST3 ST4 ST5 ST6 ST7 ST8
0.53 20.54 60.63 30.66 40.81 0.75 40.61 90.61 7
ST2 0.57 50.53 20.57 90.85 30.60 80.73 90.67 40.79 8
ST3 0.90 30.65 10.53 20.63 20.63 20.68 10.64 30.75 0
ST4 0.59 40.64 80.61 80.53 20.68 20.54 60.74 70.62 8
ST5 0.60 70.66 10.5相反，因果分类为理解哪些策略可能作为促成条件，以及哪些策略可能依赖于其他能力的先期发展提供了更有用的基础。如表11和图2所示，最高效的策略是ST8（绿色技术投资），其D+R值为65.507，D-R值为0.741，表明它至关重要，并驱动其他循环经济（CE）策略。这与文献中的发现一致，即技术准备度和创新是CE采纳的关键促成因素，尤其是在发展中国家，那里的技术差距对发展构成了重大障碍。绿色技术的投资在推动回收和循环设计等策略方面发挥着基础性作用，而这些策略的成功需要相应的技术能力。对ST8的重视证实了Kirchherr等人[3]的观点，即当技术创新与支持性政策相结合时，尤其是在资源限制更为明显的地区，可以显著促进CE的实施。然而，这一结果不应被解释为在所有情况下绿色技术投资始终是最重要的CE策略。其影响力可能部分反映了所选制造企业的具体条件，这些企业面临技术升级有限、资源效率低下以及CE采纳处于早期阶段的问题，在这种条件下，绿色技术的投资可以支持其他策略，包括采用先进的回收技术（ST3）、促进循环设计（ST5）以及产品和流程的生态创新（ST7）。这一解释与先前强调技术准备度和创新在CE采纳中作用的研究[3]、[39]、[64]一致，但当前的研究进一步表明，在技术成熟度和财政资源受限的背景下，这一作用可能尤为重要。

接下来最重要的因果策略是ST4（基础设施建设），其D+R值为64.361，D-R值为3.232，表明基础设施在其他CE努力中起着核心作用。这一发现与之前的研究结果一致，那些研究指出在废物管理、能源系统和交通领域建立稳固的基础设施对于实现循环经济至关重要[57]、[58]。这表明，在基础设施普遍不足的发展中国家，基础设施发展应优先于其他扩大规模的CE策略，如闭环生产和回收技术。Lieder和Rashid[59]也指出，在缺乏适当基础设施的情况下，物流和运营挑战会阻碍循环经济的实施。因此，ST4的强因果作用不仅反映了基础设施本身的必要性，也反映了研究背景中的基础设施缺陷。在废物管理系统、循环物流和回收网络已经成熟的环境中，基础设施发展的相对驱动作用可能会减弱。这一解释与先前强调基础设施在促进循环经济中的重要性的研究[57]、[58]一致，同时也扩展了这一讨论，表明在发展中国家制造业背景下，基础设施可能成为一个特别强大的促成条件[59]。

另一方面，ST2（采用闭环生产系统）和ST3（采用先进的回收技术）被归类为效应策略，其D-R值分别为-2.937和-2.251。这种被动角色意味着它们是由其他策略驱动的，这与文献中的其他研究结果一致。尽管建立闭环生产系统和回收技术对于循环经济至关重要，但这些措施只有在相应的基础设施和技术进步到位的情况下才能有效[60]。合理的D+R值（ST2为62.430，ST3为62.836）与其他作者的研究结果一致，包括Geissdoerfer等人[20]。此外，需要注意的是，这些实践通常被视为结果而不是首要行动。显然，基础设施和技术投资应被视为改善新兴国家闭环生产和回收的关键推动因素。因此，ST2和ST3可以理解为一旦技术和基础设施基础得到加强后变得更加可行的结果导向策略。这一解释与先前的CE研究[20]、[60]一致，但也提供了一种替代解释：在发展中国家制造业背景下，ST2和ST3的从属角色可能是由于基础设施有限、资源限制以及CE实施的早期阶段所决定的。

ST1（采用产品与服务共享平台）在框架中处于中间位置，其D-R值接近0.009，D+R值相对较高，为63.112。这表明采用产品与服务共享平台的策略在循环经济中既具有因果作用也具有效应作用。事实上，已有研究表明共享经济确实可以减少资源消耗并延长产品寿命，尤其是在资源稀缺的情况下。然而，我们补充了另一个观点：即在发展中国家，共享经济的有效性还取决于其他因素，如基础设施发展和技术准备度。这建立在Boons和Lüdeke-Freund[61]的研究基础上，他们指出虽然共享经济可以是推动可持续性问题的有效工具，但它需要包括技术和基础设施支持在内的促进环境。此外，ST5（促进循环设计）和ST6（环境影响缓解措施）被认为具有中等影响力（D-R值分别为1.548和0.863）。文献中有证据表明循环设计作为嵌入产品设计中的可持续性促成因素，有助于资源的有效利用和回收[62]。Stahel[63]认为循环设计是关闭资源循环的关键驱动力。我们的研究结果表明，在发展中国家，循环设计的有效性可能依赖于对绿色技术和基础设施等策略的投资，这些投资将支持循环产品在市场上的全面实施。然而，在所研究的背景下，循环设计可能需要适当的材料、设计专业知识、更清洁的技术和产品回收基础设施。同样，环境影响缓解措施（如减排、废物最小化和清洁生产）可以支持CE的实施，但其有效性可能取决于监管激励、环境管理能力和对清洁生产技术的投资。因此，ST5和ST6应被视为重要的但依赖具体环境的策略，当技术、基础设施和制度支持条件得到加强时，它们的影响力可能会增加。

此外，尽管ST7（产品和流程的生态创新）的D+R值较高（63.847），但它被归类为效应策略。其负的D-R值（-1.204）表明产品和流程的生态创新主要是其他策略的结果。这一发现证实了这样一个观察：虽然创新对CE的长期成功至关重要，但它通常是对绿色技术和基础设施投资的成果，而不是主要驱动力。因此，当基础策略（如ST8——绿色技术投资）已经存在时，产品和流程的生态创新肯定会更加显著，尤其是在研发资源可能有限的国家。这再次强调了生态创新往往受到外部因素的推动，例如技术发展和支持性政策框架，正如Ghisellini等人[64]所论述的。

总体而言，研究结果表明，CE的实施应被视为一个相互依赖的策略系统，而不是一系列孤立的举措。在本研究中，绿色技术投资（ST8）和基础设施建设（ST4）被视为具有影响力的促成策略，而采用闭环生产系统（ST2）、采用先进的回收技术（ST3）以及产品和流程的生态创新（ST7）似乎更依赖于其他促成条件。然而，这种结构可能受到研究背景的具体特征的影响，包括基础设施不足、技术成熟度有限、财政约束以及CE采纳的早期阶段。因此，这些发现应被视为有条件和依赖具体环境的。在其他国家和行业进行的研究可能会揭示不同的因果结构，特别是在监管支持更强、回收系统更成熟和技术准备度更高的情况下。

5.1 政策意义
本研究的政策意义表明，应将绿色技术投资和基础设施建设视为优先领域，因为它们在促进其他CE策略的实施中发挥着关键作用。对于政府而言，这意味着提供明确的财政支持机制，如税收优惠、补贴和资金计划，以鼓励公司采用更清洁的技术。私营企业可以通过增加创新投资并逐步转向更环保的生产系统来做出贡献。研究机构可以通过开发和测试易于行业采纳的实际绿色解决方案来支持这一过程。公共组织在建设和改进循环基础设施方面也发挥着重要作用，例如废物管理系统、回收设施和逆向物流网络。总体而言，需要这些参与者之间的协调努力，特别是要重点关注这两个关键领域，因为它们为更广泛的CE采纳奠定了基础。虽然其他策略也有助于CE的实施，但由于它们的系统影响广泛，政策努力最初应集中在这两个关键促成领域。

5.2 方法论的优势和创新性
DF-DEMATEL方法论提供了以下几个创新贡献：
1. 增进了对相互关系的理解：DF-DEMATEL允许对CE实施策略之间的因果关系进行更细致的分析。通过分解DEMATEL方法，它分离了直接和间接效应，提供了不同策略如何相互影响的更清晰图景。
2. 集成了模糊逻辑扩展：在DEMATEL框架内使用模糊逻辑有助于处理专家评估中的不确定性和不精确性。这在CE背景下尤为宝贵，因为在可持续性和资源管理策略的多方面性质下，专家意见可能差异很大。通过从乐观和悲观的角度向决策者提出问题，分解的模糊集确保了正负评价都被考虑在内。使用分解模糊集与DEMATEL结合的优势如下：(1) 这种双重视角提供了对每个标准的更平衡和全面的理解（平衡视角分析）；(2) 从两种角度收集评价可以生成更丰富的数据集，从而允许对标准互动进行更详细的分析（数据丰富性增强）；(3) 区分乐观和悲观的观点有助于减少偏见，促进更客观的评估（偏见减少）；(4) 鼓励考虑多样化的观点有助于促进决策者之间的共识（支持共识构建）。
3. 促进了战略决策：通过提供一种系统化的方法来评估和优先排序CE策略，DF-DEMATEL帮助决策者识别关键杠杆点和潜在的协同效应，从而支持制定更有效和一致的CE政策和举措。总体而言，DF-DEMATEL丰富了用于评估CE策略的方法工具包，为这一新兴领域的战略分析提供了更细致和清晰的方法。

6. 结论
迄今为止，许多研究试图从不同角度探讨CE[65]、[66]、[67]、[68]。本文使用新的MCDM模型（DF-DEMATEL）研究了CE实施策略之间的互动。本文提出了一个包含八个策略的评估框架，并纳入了六名制造业经理人的样本。研究结果表明，绿色技术投资和基础设施建设在所研究的策略体系中发挥了重要的促成作用，而采用闭环生产系统、采用先进的回收技术和产品和流程的生态创新似乎更依赖于其他促成条件。这些发现应谨慎解读。策略权重之间的数值差异相对较小，这表明所有八个策略都与CE实施相关。因此，分析的主要价值不仅在于对策略进行排序，还在于识别它们的因果角色和相互关系。结果表明，在所研究的背景下，技术和基础设施的限制可能会影响CE策略之间的相互作用。因此，这些发现是有条件和依赖具体环境的，而不是普遍适用的。本研究通过超越CE策略的识别，进一步探讨了这些策略如何在一个综合决策框架内相互作用，为CE文献做出了贡献。该研究还通过应用DF-DEMATEL方法，从乐观和悲观的角度捕捉专家在不确定性条件下的判断，从而在方法论上做出了贡献。从实践角度来看，这些发现可能有助于处于类似发展经济体背景下的管理者和政策制定者识别出能够促进清洁能源（CE）更广泛采用的策略。每项研究都有其局限性，这项研究也不例外。第一个局限性是只有少数来自新兴经济体制造业领域的专家参与了这项研究。未来的研究可以将所提出的框架应用于其他新兴经济体的制造业领域，并对比研究结果。第二个局限性是评估框架中仅包含了八种策略。未来的研究可以增加策略的数量，从而进行更详细的分析。本研究使用了DF-DEMATEL技术来研究清洁能源实施策略之间的相互作用。未来的研究还可以采用其他方法，如整体解释结构建模（TISM），并使用粗糙集（Rough Sets）或Z数（Z-Numbers）来更好地处理模糊性和不确定性问题。此外，未来的研究还可以重点关注本研究中确定的最为关键的策略，并制定有效的解决方案和政策，以帮助管理者在其供应链中成功实施清洁能源。

**CRediT作者贡献声明：**
- Himanshu Gupta：撰写原始草稿
- Melih Yucesan：方法论、形式分析
- James J. H Liou：指导
- Hadi Badri Ahmadi：撰写原始草稿、调查、概念化
- Muhammet Gul：撰写原始草稿、方法论、形式分析