摘要：文章通过以S物流企业为研究对象，利用AHP构建了技术创新与绿色供应链效率的指标体系，随后采用纵向研究方法利用SEM建构技术创新与绿色供应链效率双螺旋耦合机制模型。文章以自编量表为研究工具，对S物流公司进行为期5年的跟踪研究。研究共收集600份样本数据实际获得有效样本数据427份。初始阶段绿色供应链效率无法对技术创新起到影响，随着时间推移，绿色供应链效率对滞后一期的技术创新影响逐步增加；同时在第一期技术创新对滞后一期的绿色供应链效率预测显著，且随时间推移预测效力逐步增加。整体上呈现出技术创新与绿色供应链相互影响的双螺旋结构。进而为以后物流行业绿色供应链的发展提供理论与实证基础。
关键词：物流企业；双螺旋结构；绿色供应链；AHP构建；SEM模型
中图分类号：F274 文献标识码：A
文章编号：1005-3492(2022)06-0042-17
一、引言
伴随电子商务的快速崛起，我国物流企业迎来飞速发展。电子商务业务的不断扩张，导致我国各行业对物流行业依赖程度逐渐增加。然而物流行业实质上是一种高耗能、高污染、高排放的行业，因此物流企业供应链的污染问题极为严重。为解决物流行业供应链的污染和能耗问题，整个物流行业都在不断努力。绿色供应链的出现可以有效减少耗能、排放和污染等问题，同时可以提高物流企业供应链效率、改善行业生态。绿色供应链的基础支持则是伴随信息技术的不断发展而来的。随着信息技术载量的不断提升，通信技术从20世纪90年代的1G开始到2019年的5G技术，通信信息的上传和下载速度得到大幅提升，在这种信息技术不断发展的背景下，物流供应链对于数据的收集和使用可以有效地在各个环节不断优化供应链系统，实现绿色供应链效率的不断提升。伴随大数据产业落地，在国家提出创新驱动战略的大背景下，我国物流行业整体对技术创新越来越重视。不同的企业和平台投入了大量的经费和人力用于技术研发，浙江快速提升物流企业的经营效率。然而物流行业的发展已经趋于饱和，各大企业也从扩产能逐渐转向减内耗的发展方向。物流企业需要通过持续的技术创新，从而不断优化绿色供应链系统，帮助企业持续发展。而长期坚持绿色供应链系统的企业也终将在这一发展过程中不断获益，从而推动企业加大对绿色供应链技术研发的持续投入。因此技术创新和绿色供应链效率是促进物流企业发展的关键因素。有必要明确技术创新与绿色供应链效率之间的相互制约、相互促进的逻辑关系，从而在今后更好地帮助物流行业发展。
二、文献综述
（一）绿色供应链及绿色供应链效率
绿色供应链概念是在对比传统供应链的基础上形成的。最先提出绿色供应链的相关概念的学者是Webb，他认为企业在供应链的整个环节中，应该增加一个新的内容，即绿色采购。企业所适用的采购环境应该考虑到符合环境保护标准的原材料，并对原材料考核其回收和再利用的效率。而后在1996年，美国密歇根州立大学第一次正式提出绿色供应链的相关概念。他们认为绿色供应链应当是一种能够综合考虑环境影响因素和资源利用效率的现代化供应链管理模式。之后的学者们都对绿色供应链的定义进行了不同的界定和细分。其中Sean Gilbert认为绿色供应链应当考虑环境因素以及与供应商建立长久稳定的合作关系。Nagel则认为绿色供应链应当考虑绿色环保的采购方式以及管理方案在不断界定绿色供应链内涵的同时，研究也逐渐朝向相关影响因素的研究展开。Handfield在以客户为中心的思想基础上，提出顾客可靠性、渠道、共同目标以及设备等影响因素是可以有效促进绿色供应链发展的重要因素。Noci则认为环境绩效、绿色水平、价格指标体系是有效衡量供应商绿色供应链效率的内容；而
等人则认为绿色供应链下含绿色设计、绿色转化、绿色物流方式等评价指标，他们认为绿色供应链的本质是以更具可持续性的发展方式，投入到供应链环节中。而我国郭雪松等人基于P-SVM模型对绿色供应商进行了评价模型的研究，细分了关于绿色供应商在商业活动中所发生的行为和相对应的度量指标。刘森等人则通过AHP对绿色供应商的行为进行了评价以及赋权，为后续研究提供了以问卷进行研究绿色供应商指标体系的研究思路。
在不断界定绿色供应链内涵的同时，研究也逐渐朝向相关因素的影响研究展开，通过建立不同的模型，进一步研究绿色供应链外部变量与自身内部要素对绿色供应链效率的影响。武春友通过对绿色供应链投入与企业可持续发展的相互关系的研究，探讨了绿色供应链投入与外延变量的影响。也有学者针对绿色供应链管理中存在的风险进行了博弈模型的研究，其中徐伟与郑燕飞通过绿色供应链管理过程中，对举报行为进行了纳什均衡解与混合策略最优化解，从而为主体监管部门在管理绿色供应链商业风险上提供了管理策略，也为后续研究提供了新的思路。在针对绿色供应链效率的研究中，方凯等人采用DEA三阶段模型进行了实证研究，研究结果反应物流企业在绿色供应链的发展过程中收到了规模无效率的影响。而徐苗等人在以全要素视角的研究中得到结论：企业应当加强对于集成技术的运用，通过高新产业技术提高物流行业的运营效率。由此可见，技术发展的投入可以有效地促进物流企业运营效率的提升。
学者也研究了绿色供应链效率如何影响其外延，即提高绿色供应链的效率是否可以有效促进产业发展或者科技进步。S Perotti等人在对第三方物流商的研究中发现绿色供应链效率的提高将会促进公司绩效，促进公司的盈利水平。同时Chan等人也在研究中发现绿色供应链的管理效率可以对环境导向与企业绩效起到中介作用。因此不少学者将认为绿色供应链的效率提升将会促进企业绩效改善，进而企业将有能力投入更多资金改善自己的管理模式、以及提升技术运用。Marty等人则在对烟草公司的研究中发现，绿色供应链将会改善公司的整体收益情况，从而可能掩盖公司主营业务较低的情况。
实际上可以看到，绿色供应链的产生实际上得益于全社会科技的快速发展，在全世界提出减碳排放以及碳中和的发展愿景下，绿色供应链及其效率的研究更加具有社会意义。
从现在已有的研究可以看到，绿色供应链从产品设计、到生产、运输、销售、使用以及回收都需要与环保相关的产业技术作为支撑。已有学者指出绿色供应链的确能够提高社会经济效益，同时能够帮助社会实现可持续发展，促进消费者的总体福利增加。
（二）物流企业技术创新
从电子商务快速发展的20年来看，电子商务业务量的增加随之带来我国物流行业的快速发展，而这一系列的变化根源是物流科技水平的提升。从近20年的物流行业信息化程度发展来看，物流行业的集成化和自动化水平存在大幅度的提高，其中包括物流行业基础设施的快速发展、网络科技技术的发展等，这一系列的发展得益于互联网技术、GPS定位技术的快速发展。而在应用端，物流行业中已经快速普及使用机器人、无人机、无人仓、新能源汽车、智能快递柜等智能化设备。由此可见，这20年的发展是我国物流企业从劳动密集型转向技术密集型的过程。
物流行业与其他行业的不同在于，物流行业具备低单价、高频次的商业属性，因此物流行业长期以来在各个环节中投入大量的人力成本。为节省人力成本，行业头部企业开始着力于通过技术创新，提高企业运营效率和减少成本。可以看到，物流企业技术创新具备内在的原生动力。物流行业在同质化竞争过程中已经趋于白热化，营收端口的业务无法发生重大变化的情况下，为了获得更多的市场份额，企业开始寻求通过减少成本从而增进效益的途径。因此，可以看到物流企业技术创新的需求在于提高企业运营效率，对减少人力成本起到重要作用。
从行业发展情况看，物流行业的技术创新得益于长期的快速扩张，业务端口有着大量的技术升级的被动需求，从而倒逼企业进行技术创新。从张亮亮等人的研究可以看到如今我国物流企业已经进入质量提升阶段，其中物流产业的技术效率对于供应链效率的影响明显。并且物流行业的技术创新能力对于经营绩效的影响也被有效验证。不断的科技创新最终将促使传统供应链模式通过技术迭代而转向绿色供应链模式。在这个过程中企业以及行业联盟有能力获得更大规模的数据，同时他们具备更高效的数据使用能力。通过高效的技术使用，物流企业能够对各个环节的能耗进行控制，提高单位的作业效率，减少系统误差而带来的损耗这些都需要依托于不断的技术创新。而新兴的技术创新也将不断促进物流行业的绿色供应链进一步发展。
（三）物流企业技术创新与绿色供应链效率的耦合机制
以往研究在看待物流企业技术创新和绿色供应链的关系时，大多数保持线性的研究视角，单独研究技术创新对绿色供应链效率的影响，如吴群等人的研究发现，物流行业的技术创新对于绿色供应链的效率促进明显，这导致研究思维固定于变量之间的确定性因果关系。科技进步的确会促进产业的正向发展，但从其他学科的实证结果可见，系统性的效率提升可以有效地促进技术创新，李林汉、胡尹燕的研究证实了金融行业的发展效率能够有效地促进行业的技术创新；在新型工业领域蔡宁等人也证实了节能减排的效率可以有效地促进技术创新。由此可见，技术创新和行业运营效率之间的关系并非单纯的因果关系，可能存在一种相互影响的耦合互动关系。
同样行业运用效率对技术创新的影响也在供应链领域的相关研究中有所突破。从张千帆等人的研究可以看到，基于技术创新对于企业的激励机制，企业更加愿意通过提高供应链效率从而促使企业有更多的经费投入到技术创新。而技术创新的确在诸多环节上可以有效提高绿色供应链的实际效率。因此不难发现，企业绿色供应效率与技术创新之间可能存在一致耦合关系，即最初的技术创新带来绿色供应链的发展，而后伴随绿色供应链效率的改变，从而不断提高行业内部竞争，从而迫使企业不断提升自身的技术创新。
因此提出一个新的研究视角：在物流行业中，企业技术创新与绿色供应链效率之间存相互促进的双螺旋模型。这一双螺旋模型的核心在于：物流企业技术创新将会促进物流企业在生产运营过程中的节能减排、高效运营、较少损耗，从而促进企业和行业的经营能力上升。通过企业在提升绿色供应链效率中获得更多的盈利，从而推动企业为了获得技术壁垒、扩大企业市场份额的实际需求，进而促使企业将更多的资金投入到技术创新过程中，从而形成一种稳定耦合机制。
三、研究设计
(一）研究假设
为验证企业技术创新与绿色供应链效率之间存在双螺旋关系，提出以下假设：
H1：绿色供应链效率（tn）可以显著正向预测物流企业技术创新（tn+1）
H2：物流企业技术创新（tn）可以显著正向预测绿色供应链效率（tn+1）
同时在构建两个变量交叉影响的基础上还能得到单独变量自身与后一期的预测假设如下：
H3：物流供应链效率（tn）可以显著正向预测物流供应链效率（tn+1）
H4：物流企业技术创新（tn）可以显著正向预测物流企业技术创新（tn+1）
（二）指标设定
根据以往研究对于绿色供应链效率的界定结合具体研究情境对绿色供应链效率从以下几个方面进行界定。绿色供应链效率包括物流效率、标准化服务、环保设备投入、可持续发展能力等4个可操作的指标，各指标的具体含义如下：
物流效率：在物流作业过程中，各部分资源投入使用效率，其中包含物流车辆使用率、仓库使用率、单位运输成本等指标。
标准化服务：物流交货准时率、物流货物缺损率、客户满意度。
环保设备投入：绿色包装使用率、包装回收率、清洁能源使用率等。
可持续发展能力：绿色包装各站点普及率、绿色包装二次使用率、企业主营业务增速。
同时确定物流企业技术创新指标包含如下：大数据使用效率、软件创新投入、硬件设备创新投入等3个指标。为简化模型在物流企业技术创新上采用具体指标进行表征，而对绿色供应链效率采用二级指标进行表达。
（三）研究方法
通常在经济学中研究两个变量是否具备双螺旋结构采用DSGE模型进行检验，但是DSGE通常涉及具体的经济数据以及多个部门之间的关系。本研究采用的结构方程模型建立双螺旋递归模型，为验证模型的连贯性，同时考虑SEM模型的建模面板限制情况，研究采用A企业5个年度数据进行验证。在验证研究假设之前，首先需要对选定的指标进行基础的主成分分析，保证确定的指标结构稳定（下级指标与上级指标之间具备较好的关联性），在此基础上对变量进行正态性检验（以保证数据适合进行SEM建模），随后对所有数据进行标准化处理，在等纲量的基础上对绿色供应链效率指标一级指标计算加权平均值（权重按照AHP结果进行赋值）求得二级指标后，在Amos 26.0软件中进行双螺旋建模模型（见图1）。
图1 双螺旋示意图
（四）研究过程
为了对S物流公司的整体运行质量和效率有充分且全面的认识，本研究采用专家打分卡和问卷调查的方式进行数据采集。专家的选择主要以对于物流行业有深刻理论认识和实践认识的专家学者、政府工作人员和行业领头人物（见表1）。
表1 专家表（学者、政府工作人员、行业领头人物）
问卷的调查对象主要以S公司内部员工和同行业从业人员为主。首先将设定指标进行问卷化，分为专家打分卡、《绿色供应链效率问卷》 （内容详见表2） 以及《技术创新问卷》（内容详见表3）。其中，
表2 绿色供应链效率问卷
表3 技术创新问卷
专家打分卡是将指标编制成打分卡形式，然后通过电话、邮件以及信函等方式对专家进行发放。《绿色供应链效率问卷》以及《技术创新问卷》则通过在S公司内部发放和同行业其他公司人员同步发放，并通过预留手机及邮件地址进行追踪研究，每年进行一次。最终，专家打分卡实际发放14名专家，成功收回14名专家打分卡，专家打分卡发放及收回时间介于2021年6月10日至2021年12月8日。《绿色供除去样本丢失、无效问卷等共计173份，五年内连续作答问卷的样本数为427份。
四、研究结果
（一）AHP分析结果研究首先针对绿色供应链效率指标以及技术创新指标进行权重计算，权重计算方法采用AHP进行，本文中在绿色供应链效率指标上，设置目标层1个指标、准则层4个指标以及方案层12个指标。同时对技术创新进行AHP分析设置目标层1个指标、准则层0个指标、方案层3个指标。层次分析首先选择专家对各层概念或变量赋予相互影响大小分值，通常有1∶5、1∶7以及1∶9赋值。由于研究结构较小，每层变量之间均3—4个题目，在准则层也仅有4个指标，因此选择1∶5进行方案层和准则层不同变量因素之间的赋权。随后根据比值计算特征根得到特征向量矩阵以及最终影响权重。具体结果见表4。
表4 物流效率判断矩阵
（二）绿色供应链效率AHP结果专家对物流效率各指标的权重分别为：其中物流车辆使用率权重为0.131，仓库使用率为0.247，单位运输成本为0.622，通过计算权重后得到CI值为0，通过查表计算得到对应RI后计算出CR值为0，该值小于0.1，证明了一致性检验通过。
表5 标准化服务判断矩阵
在标准化服务判断矩阵的分析中，各指标权重分别为：物流交货准时率为0.416，物流货物缺损率为0.126，客户满意度为0.458，通过计算权重后得到CI值为0，通过查表计算得到对应RI后计算出CR值为0，该值小于0.1，证明了一致性检验通过。在环保设备投入判断矩阵的分析中，各指标权重分别为：绿色包装使用率为0.094，包装回收率为0.280，清洁能源使用率为0.627，通过计算权重后得到CI值为0，通过查表计算得到对应RI后计算出CR值为0，该值小于0.1，证明了一致性检验通过。
表6 环保设备投入判断矩阵
表7 可持续发展能力判断矩阵
在可持续发展能力的判断矩阵的分析中，各指标权重分别为：绿色站点普及率为0.498，二次使用率为0.367，企业主营业务增速为0.135，通过计算权重后得到CI值为0，通过查表计算得到对应RI后计算出CR值为0，该值小于0.1，证明了一致性检验通过。
表8 绿色供应链效率判断矩阵
在绿色供应链效率的判断矩阵分析中，各指标权重分别为：物流效率为0.122，标准化服务为0.227，环保设备投入为0.423，可持续发展能力为0.227，通过计算权重后得到CI值为0.003，通过查表计算得到对应RI后计算出CR值为0.002，该值小于0.1证明了一致性检验通过。（三）技术创新AHP结果
表9 技术创新判断矩阵
在技术创新的判断矩阵分析中，各指标的权重如下：大数据使用率为0.547，软件创新投入为0.263，硬件设备创新投入为0.190，通过计算各指标权重后得到CI值为0，通过查表计算得到对应RI后计算出CR值为0，该值小于0.1，证明了一致性检验通过。（四）绿色供应链效率及技术创新的指标权重结果通过计算两层变量的权重结果，通过将一级指标权重与二级指标权重进行相乘可得到各指标的综合权重具体结果如表10。
表10 综合权重具体结果
五、问卷分析结果
（一）探索性因子分析
在获得样本数据后，首先对样本数据进行信效度检验，本研究采用的问卷为自编问卷，因此需要在理论基础上对问卷进行探索性因子分析，探知测量指标与变量之间的关系是否与预期一致。本研究通过主成分分析进行探索性因子分析，求得整体问卷的KMO值为0.813，巴特利球形检验的近似卡方值为1962.517，其自由度为105；在KMO大于0.7的基础上进行因子旋转。限定特征值大于1的成分共有5个，说明整体问卷可以被抽取出5个单独的变量，这5个变量的初始特征值分布在4.861—1.100之间，在经过正交旋转后的特征值分布在2.435—2.185之间，可以看到5个变量的累计解释总方差比为76.466%，说明5个维度能够有效表达所有题目的信息量为76.466%，该值较高。
表11 旋转后成分矩阵
在旋转矩阵的因子载荷中可以看到，各题目不存在多个变量上出现因子载荷的情况（载荷值小于0.4不显示），且不存在题目与预期归属不同的情况，所有题目的因子载荷均大于0.4，且不大于0.9，说明题目具备一定的独立性，又与维度存在一定的差异性。在通过基础的探索性因子分析后，需要对问卷的信度进行检验。
（二）信度检验
问卷信度的检验采用克隆巴哈一致性系数进行检验，各变量的克隆巴哈信度需要大于0.7，可以证明该变量具备较好的可信度，即数据的真实性更高。同时为保证题目的信度质量，还对校正的项总计相关进行检验，要求该值需要大于0.5以确保题目与变量的相关性紧密；同时项已删除的克隆巴哈系数值需要小于变量信度，从而证明在删除该题目后，变量的信度会因此受到损益，从而对该题目进行保留。
表12 信度分析表
从表12结果可以看到，问卷在通过信度检验后，5个变量中各变量的信度均介于0.7—0.9之间说明测量的题目也较为可信。通过题目与维度之间的校正后项总计相关可以看到，题目与维度的相关性大于0.5，同时在5个变量中，所有变量删除后的克隆巴哈系数均小于维度信度，这可证明问卷结构不会因为删除题目而导致信度增加，通过以上分析可以证明问卷具备较好的信度水平。
1.正态性检验
为保证后续数据可以通过SEM进行分析，需要首先对样本数据进行正态性检验，检验采用偏度和峰度进行，所有指标的峰度与偏度绝对值均小于2，说明指标呈现正态性。
2.验证性因子分析
在通过了探索性因子分析以及信度分析后，基本确定了问卷的结构，为了验证该结构的稳定性以及与数据的实际匹配度，研究采用验证性因子分析对问卷进行检验，验证性因子分析的核心目的是在限定的模型中匹配数据。验证性因子分析需要变量与测量指标之间呈现出稳定的关联关系，在标准化因子载荷结果中，题目的标准化载荷值需要大于0.5以保证题目能够在一定程度上表达维度的内涵，同时验证性因子分析的模型拟合系数需要保证在较好的临界值内，通常检验的拟合指标包括CMIN/DF、GFI、NFI、NNFI、CFI以及RMSEA。其中CMIN/DF需要小于3，GFI、NFI、NNFI以及CFI需要大于0.9，RMSEA需要小于0.08。
表13 验性因子分析
从表13结果可以看到，所有题目与变量的标准化载荷均大于0.5，说明题目与维度的关联性紧密，题目能够良好地表达维度内涵。从验证性因子模型拟合系数表可以看到，整体模型的CMIN/DF值为1.991，该值介于1—3之间，RMSEA值为0.002小于0.08，GFI等拟合指标均大于0.9，说明模型拟合极好，由此可以判断通过设定的因子结构可以被数据拟合。
3.路径模型检验
在经过AHP计算变量权重以及对问卷进行信度与效度检验后，对已有路径模型进行检验，首先对变量计算加权得分，即各变量实际问卷得分乘以变量权重，在进行了加权计算后，采用Amos软件进行双螺旋模型建模。计算采用极大似然法进行，计算结果见图2。
图2 标准化路径系数图
表14 标准化路径系数表
从路径模型结果可以看到，技术创新t1显著预测绿色供应链效率t2其标准化系数为0.237，p＜0.001，但绿色供应链效率t1无法显著预测技术创新t2，说明在最初的研究中，技术创新对整个双螺旋模型结果的影响更大；技术创新t2显著预测绿色供应链效率t3其标准化系数为0.378，p＜0.001，绿色供应链效率t2显著预测技术创新t3其标准化系数为0.130，p=0.026；技术创新t3显著预测绿色供应链效率t4其标准化系数为0.338，p＜0.001，绿色供应链效率t3显著预测技术创新t4其标准化系数为0.248，p＜0.001；技术创新t4显著预测绿色供应链效率t5其标准化系数为0.374，p＜0.001，绿色供应链效率t4显著预测技术创新t5其标准化系数为0.220，p＜0.001。
同时在结果中可以看到，技术创新与绿色供应链效率在各时间节点上均能有效预测后一期，其中技术创新的预测值分别为0.336、0.392、0.378、0.458（p＜0.001），绿色供应链效率的预测值分别为0.361、0.337、0.319、0.361（p＜0.001）。并得到路径模型的拟合系数如下：CMIN/DF值为1.969，该值介于1—3之间，RMSEA值为0.054小于0.08，GFI与NFI合指标均大于0.8，说明模型拟合极好，而且TLI以及CFI均大于0.9，由此可以判断通过设定的模型路径关系能够被数据验证，即通过路径模型获得的结果可靠。
研究通过专家打分确定各指标权重，同时通过信度与效度检验证明了问卷具备较好的信效度后，采用追踪研究方法对样本进行了5年期的持续研究，从SEM模型得到结果基本可以证实研究假设H1、H2、H3以及H4绿色供应链效率t1对技术创新t2的预测未通过检验，说明在初始阶段可能存在绿色供应链效率无法有效预测后一期技术创新的情况。
六、结论、讨论、不足与展望
（一）结论
绿色供应链效率从t1到t5的自身预测中预测系数随年份变化不大。
技术创新从t1到t5的自身预测中预测系数随年份变化逐渐增加。
绿色供应链效率在t1时期对滞后一期的技术创新不能显著预测。
技术创新在t1时期对滞后一期的绿色供应链效率能够显著正向预测。
在t2—t4时期绿色供应链效率能够显著正向预测技术创新且影响逐渐增加。
在t2—t4时期技术创新能够显著正向预测绿色供应链效率且影响逐渐增加。
（二）讨论
1. 技术创新对绿色供应链效率的影响
通过SEM的研究验证了绿色供应链技术能够持续地被技术创新进行预测，说明了物流企业对于技术创新的投入和使用的确能够有效地促进未来的绿色供应链效率。从2015年S物流企业技术创新对2016年绿色供应链效率的预测，到2020年技术创新对2021年绿色供应链效率的预测可以看到，呈现出影响逐年增加的态势。实际上S企业在2015年开始引入绿色供应链的时候，尽管投入较多，但是由于基础网点多，绿色供应链的基础较差，导致这一阶段S企业的技术创新投入无法提高绿色供应链效率，伴随时间的推移，S企业的技术创新在通过两年时间对绿色供应链效率进行了持续性的影响后，在2019年技术创新对绿色供应链的影响开始增加，从2019年技术创新对2020年绿色供应链效率的影响，以及2020年技术创新对2021年绿色供应链效率的影响可以看到，技术创新对于次年的绿色供应链效率促进均在35%左右，相较于2017年与2018年的预测结果具有明显的上升。这说明企业绿色供应链运行过程中需要一定时间的磨合和物质积累的沉淀。技术的开发包括了需求了解、调试、检验、优化等诸多过程。同时从技术创新到运用需要一个长期的磨合，这包括了技术的优化、员工及管理层对技术的使用以及技术升级等诸多过程。通过技术的不断提高和优化，才能逐渐对绿色供应链效率的提高起到较强的作用。不仅如此，其实从2015年起我国大数据的运用开始逐渐发力，在物流行业的使用尤为深入。随着大数据的使用，从货物编码、货物运输、货物分拣到货物配送，新兴科技对于物流行业的影响深远，大数据算法不断迭代，新兴技术快速涌现，都促进了绿色供应链在物流企业的普及和使用效率。
2. 绿色供应链效率对技术创新的影响
一般认为物流企业的绿色供应链效率是由技术创新所引起的，实际上从历史规律看，技术变革会带来各种行业内部体质、机制的变化。从研究结果可以看到，绿色供应链效率的确可以对滞后一期的技术创新进行预测。与技术创新对绿色供应链效率的预测一致，前两年的预测数据相对较低，而后两年的预测系数相对较高，这说明绿色供应链效率的提升，促使人们在不断地了解技术创新对物流企业的影响，同时，行业对绿色供应链的需求和要求逐渐增加，这最终将作为技术创新的需求再次反馈给技术端口。由此可以看到，在绿色供应链效率对技术创新的第一期预测中其路径结果不显著，即说明在企业对于绿色供应链使用水平较低的情况下，企业本身对绿色供应链的需求和要求都相对较弱，进而无法将实际应用过程中的需求反馈到技术端。从2019年S物流企业的绿色供应链效率对技术创新的影响可以看到，通过一定时间的沉淀，企业以及员工对于绿色供应链系统的使用效率增加，逐渐发现当前绿色供应链使用过程中的问题，以及后一步的技术实现需求，问题以及后续需求越多，对于企业以及行业在技术创新的影响就越强。同时从对财务数据的研究中可以看到，企业对于技术创新的投入呈现逐年增加且增速上升的态势。
绿色供应链效率的提高的确会促使企业节约更多的成本，在使用可再生能源、使用可回收包装以及在无人化管理等方面，绿色供应链相比较传统供应链所展现出的优势更大，效率的提升将会大幅促进企业对于成本开支的优化，从而不断改善企业的盈利水平，在有了较好的盈利情况下，企业将会加大对于技术创新的投入。科技进步本身是为了解放生产力，而技术变革将会降低企业人力成本。所以企业为了提高自身盈利将会提高绿色供应链效率，从而增加对技术创新的投入。
不仅于以上两种可能的实现路径，实际上在物流行业内部，为了发展以及同行业的竞争，企业有必要提高绿色供应链的运行效率，这也促使企业进一步地开展技术创新。通过提高绿色供应链运行效率，将会促进企业对于市场占有率的争夺，从而获得更多的市场份额。
3. 绿色供应链效率与技术创新的双螺旋模型
双螺旋模型的验证成立，证明了企业在以营利为目的的基础上，为了追求效率会倒逼技术创新这一理论假设。因此在物流行业中，技术创新将会促进绿色供应链效率的提高，无论是从时间成本、从减碳排放、从标准化从业等方面看，技术创新都在发挥着巨大的作用。有效的技术创新将会促进供应链效率的提升。反观当绿色供应链效率提升后又为企业带来盈利和市场占有，进一步促进企业实现技术创新。不仅如此，从单独链状关系上，无论是绿色供应链效率或是技术创新都在有效预测滞后一期的数据，因此可以看到，伴随时代进步，为了解决碳排放，形成可持续发展的物流行业业态，绿色供应链与技术创新将彼此促进。
4. 优化产业结构与发展方向的政策建议
根据绿色供应链效率与技术创新之间的双螺旋模型结果，可以为物流行业提供可持续发展的政策建议主要包括科技发展的政府补贴、科技转民用的技术政策倾斜、合理构建物流企业联盟体系规避垄断与产业壁垒等三个方面。
首先，是具有针对性的科技创新政府补贴，通常我国对能够促进行业发展以及社会发展的关键性科技创新都有相关的技术补贴，然而在物流行业中，国家和各地区的补贴通常是按照企业评级或者硬件设施投入以及乡镇新设网点来进行补贴，而鲜有以科技贡献进行补贴的相关政策，因此政府需要有效针对物流企业在技术创新过程中的贡献进行评估，从而分级进行政策补贴，以奖励能够为节能减排作出贡献，促进绿色供应链效率提升的相关物流公司，鼓励其为物流行业科技创新作出的努力。
其次，应该将一部分政府科研技术通过授权形式转向民用，帮助民营企业快速发展，尤其是在大数据以及无人设备的研发领域。政府应当帮助物流企业尽快完善绿色供应链体系。同时政府可以开放更多数据供于具有绿色供应链的物流公司使用。
最后，政府需要有层次地通过行政手段，从行业层面上，规避行业出现对绿色供应链体系技术进行垄断的企业。绿色供应链技术本身目的在于节能减排，促进全社会更高效的生产方式。因此政府有必要通过经济、政策等手段促进更多物流企业采用绿色供应链进行物流运输，从而在全行业全面普及绿色供应链体系。通过政府手段规避“劣币淘汰良币”的情况出现，给予采用绿色供应链体系的物流公司更多的技术和财政支持。
（三）研究不足与展望
尽管研究历经5年，但由于仅基于S公司进行的数据获取，本身数据有限；同时鉴于S公司作为单一公司级别样本，在无法获得更多公司样本的基础上，采用了问卷研究的方法，尽管通过信度与效度检验，保证了问卷的可信度和有效度，但是其数据的质量难以与客观经济数据进行比较。同时研究基于SEM构建了双螺旋模型，但是由于建模本身的限制，在双螺旋模型中仅展现出绿色供应链效率与技术创新的双螺旋影响关系，而并未细致到具体变量中，因此研究存在微观结构下的实证结果；同时研究仅仅考虑了绿色供应链效率与技术创新的关系，在宏观结构上并未考虑政策、法规等因素对于双螺旋结构的影响，也未考虑到其他社会因素的影响。基于以上研究不足，为以后的研究提供以下可能扩展的思路及方向：（1）在双螺旋的结构下考虑引入其他变量构建三螺旋结构；（2）采用行业数据利用经济学模型验证双螺旋结构。