Африка елдеріндегі экономикалық өсу кезеңіндегі жасыл логистиканың тиімділігінің негізгі факторларын бағалау

В данном исследовании была проведена оценка ключевых факторов эффективности зелёной логистики и их влияние на экономический рост в странах Африки. В исследовании был применён количественный подход с использованием анализа панельных данных для стран Африки за период с 2007 по 2022 год. Методы функции импульсного отклика и разложения дисперсии были использованы для изучения динамических взаимосвязей между переменными, включая экономический рост, показатели эффективности логистики, потребление ископаемого топлива и выбросы парниковых газов. Результаты выявили существенные положительные взаимосвязи между показателями эффективности зелёной логистики, такими как способность отслеживать грузы, качество логистических услуг и торговая инфраструктура, и экономическим ростом. Напротив, потребление ископаемого топлива и выбросы парниковых газов демонстрируют отрицательные связи с экономическим ростом и экологической устойчивостью. Результаты подчеркивают важность внедрения методов зелёной логистики и стратегий устойчивого развития в экономиках Африки. Улучшая логистическую инфраструктуру, повышая качество обслуживания и снижая воздействие на окружающую среду, страны могут способствовать экономическому росту, одновременно смягчая неблагоприятное воздействие на окружающую среду. Будущие исследования могут изучить региональные факторы, влияющие на внедрение зелёной логистики, и рассмотреть роль политики и нормативных актов в продвижении устойчивых практик. Результаты исследования имеют важное значение для политиков, заинтересованных сторон в отрасли и регулирующих органов при разработке целевых стратегий по согласованию экономического прогресса с экологической ответственностью в африканских странах.

1. Ahn, S. K. (1993). Some tests for unit roots in autoregressive-integrated-moving average models with deterministic trends. Biometrika, 80 (4), 855-868. https://doi.org/10.1093/biomet/80.4.855

2. Amsler, C., & Lee, J. (1995). An LM test for a unit root in the presence of a structural change. Econometric Theory, 11(2), 359-368. https://doi.org/10.1017/S026646660000921X

3. Breitung, J. (2005). A parametric approach to the estimation of cointegration vectors in panel data. Econometric Reviews, 24(2),151-173. https://doi.org/10.1081/ETC-200067895

4. Breusch, T. S., & Pagan, A. R. (1980). The Lagrange multiplier test and its applications to model specification in econometrics. The Review of Economic Studies, 47(1), 239. https://doi.org/10.2307/2297111

5. Granger, C. W. (2003). Some aspects of causal relationships. Journal of Econometrics, 112(1), 69-71. https://doi.org/10.1016/S0304-4076(02)00148-3

6. Hart, S. L. (1995). A natural-resource-based view of the firm. Academy of Management Review, 20(4), 986-1014. https://doi.org/10.5465/amr.1995.9512280033

7. International Energy Agency (2022). Africa Energy Outlook 2022. Paris, IEA Publications. https://doi.org/10.1787/2abd9ce2-en

8. Karaman, A.S., Kılıç, M., & Uyar, A. (2020). Green logistics performance and sustainability reporting practices of the logistics sector: The moderating effect of corporate governance. Journal of Cleaner Production, 258, 120718. https://doi.org/10.1016/j.jclepro.2020.120718

9. Khan, S. A. R., & Qianli, D. (2017). Does national scale economic and environmental indicators spur logistics performance? Evidence from UK. Environmental Science and Pollution Research, 24, 26692-26705. https://doi.org/10.1007/s11356-017-0222-9

10. Khan, S. A. R., Zhang, Y., Anees, M., Golpîra, H., Lahmar, A., & Qianli, D. (2018). Green supply chain management, economic growth and environment: A GMM based evidence. Journal of Cleaner Production, 185, 588-599. https://doi.org/10.1016/j.jcle-pro.2018.02.226

11. Le, T. H., Nguyen, H. K., & Nguyen, T. L. (2022). Impact of Green Logistics on International Trade: An Empirical Study in Asia–Pacific Economic Cooperation. International Journal of Economics and Financial Issues, 12(4), 97-105. https://doi.org/10.32479/ijefi.13185

12. Li, X., Sohail, S., Majeed, M. T., & Ahmad, W. (2021). Green logistics, economic growth, and environmental quality: evidence from one belt and road initiative economies. Environmental Science and Pollution Research, 28, 30664-30674. https://doi.org/10.1007/s11356-021-12839-4

13. Markley, M. J., & Davis, L. (2007). Exploring future competitive advantage through sustainable supply chains. International Journal of Physical Distribution & Logistics Management, 37(9), 763-774. https://doi.org/10.1108/09600030710840859

14. Pesaran, H. H., & Shin, Y. (1998). Generalized impulse response analysis in linear multivariate models. Economics Letters, 58(1), 17-29. https://doi.org/10.1016/S0165-1765(97)00214-0

15. Sims, C. A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1-48. https://doi.org/10.2307/1912017

16. Pesaran, M.H. (2004). General diagnostic tests for cross-sectional dependence in panels. Empirical Economics, 60, 13 - 50. https://doi.org/10.1007/s00181-020-01875-7

17. Pesaran, M. H. (2007). A simple panel unit root test in the presence of cross‐section dependence. Journal of Applied Econometrics, 22(2), 265-312. https://doi.org/10.2139/ssrn.457280

18. Rao, P., & Holt, D. (2005). Do green supply chains lead to competitiveness and economic performance? International Journal of Operations & Production Management, 25(9), 898-916. https://doi.org/10.1108/01443570510613956

19. Rodrigue, J. P., Comtois, C., & Slack, B. (2017). The geography of transport systems (4th ed.). Abingdon, Oxon: Routledge. https://doi.org/10.4324/9781315618159

20. Schmidt, P., & Phillips, P. C. (1992). LM tests for a unit root in the presence of deterministic trends. Oxford Bulletin of Economics and Statistics, 54(3), 257-287. https://doi.org/10.1111/J.1468-0084.1992.TB00002.X

21. Seroka-Stolka, O., & Ociepa-Kubicka, A. (2019). Green logistics and circular economy. Transportation Research Procedia, 39, 471-479. https://doi.org/10.1016/J.TRPRO.2019.06.049

22. Sims, C. A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1-48. https://doi.org/10.2307/1912017

23. Swamy, P. A. V. B. (1970). Efficient inference in a random coefficient regression model. Econometrica, 38(2), 311-323. https://doi.org/10.2307/1913012

24. Tseng, Y. Y., Yue, W. L., & Taylor, M. A. (2005). The role of transportation in logistics chain. Proceedings of the Eastern Asia Society for Transportation Studies, 5, 1657-1672.

25. United Nations Environment Programme (UNEP). (2021). Emissions Gap Report 2021. Available at: https://www.unep.org/resources/emissions-gap-report-2021 (Accessed May 30, 2024).

26. Westerlund, J., & Edgerton, D. L. (2007). A panel bootstrap cointegration test. Economics Letters, 97(3), 185-190. https://doi.org/10.1016/J.ECON-LET.2007.03.003

27. Wu, H. J., & Dunn, S. C. (1995). Environmentally responsible logistics systems. International Journal of Physical Distribution & Logistics Management, 25(2), 20-38. https://doi.org/10.1108/09600039510083925

28. Yingfei, Y., Mengze, Z., Zeyu, L., Ki-Hyung, B., Avotra, A. A. R. N., & Nawaz, A. (2022). Green logistics performance and infrastructure on service trade and environment-measuring firm’s performance and service quality. Journal of King Saud University-Science, 34(1), 101683. https://doi.org/10.1016/j.jksus.2021.101683

29. Yu, Z., Golpira, H., & Khan, S. A. R. (2018). The relationship between green supply chain performance, energy demand, economic growth and environmental sustainability: An empirical evidence from developed countries. LogForum, 14(4), 479-494. http://dx.doi.org/10.17270/J.LOG.2018.304