绿色治理视角下企业联盟绩效评价与差异化

赵艳玲　彭琢

摘要：以可持续发展的三重底线（TBL）原则为理论基础，结合联盟特征，运用文献研究、专家咨询和问卷调查的方法，从经济、社会、环境、关系和发展5个维度构建包括20个指标的联盟绩效评价体系，采用德尔菲法（DM）和群组决策特征根法（GEM），计算得到一级和二级指标的权重。以房地产行业为例，借助绿色建筑项目的相关调研数据，运用模糊TOPSIS模型，对我国企业联盟绩效进行具体评价，利用BP神经网络模型对结果进行佐证，并进一步从联盟伙伴数量、研发投入强度、企业内部绿色管理重视程度、政府支持力度4个方面探讨我国企业联盟绩效水平的差异性。结果发现：①目前我国基于绿色治理视角下的企业联盟虽然尚处于初步阶段，但整体绩效处于中等偏上水平。②从地域上看，绩效水平由高到低依次为西北地区、华中地区、华东地区、华北地区、西南地区、华南地区。③联盟伙伴数量总体上对联盟绩效水平产生倒U型的影响;研发投入强度、企业内部绿色管理重视程度对不同维度绩效水平的影响具有显著的差异性;政府支持力度整体上对绩效水平的影响呈倒U型的关系。

关键词：企业联盟;绿色治理;绩效评价;差异化分析;房地产行业

中图分类号：F293 文献标识码：A

文章编号：1001-9138-（2022）01-0017-10 收稿日期：2021-12-27

1 引言

2020年，我国在第七十五届联合国大会一般性辩论上宣布了二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和的目标愿景（以下简称“双碳”目标）。2020年发布的中国建筑能耗研究报告指出，全国碳排放的51.3%来自于建筑业。建筑行业的碳减排对我国“双碳”目标的实现，具有重要的意义。2021年3月，《绿色建造技术导则（试行）》由住房和城乡建设部办公厅正式发布，明确提出要将绿色发展理念贯穿工程建造的全过程中，融入全要素中，全面提升建筑业绿色发展水平。

对于房地产企业来说，只有将“绿色治理”的思想全面落实到企业的管理过程中，才能快速发展绿色建造技术，从而大幅度降低全行业的碳排放总量。“绿色治理”是指长期的经济、社会和环境可持续性，有助于企业、政府和国家实现绿色发展目标。据相关统计数据，以实现可持续发展为目的而组建的联盟数量是最多的，这一类联盟可以被看作企业绿色治理的手段。近几年，我国陆续出现了以绿色发展为目标的联盟，如：万科北京绿色建筑公园绿色技术联盟。从目前的研究文献来看，学者们有的从一般企业管理的角度、有的从建筑项目的角度或供应链等角度探讨了绩效评价指标构建或对绩效影响的问题，以上研究往往局限于某一传统视角，研究结果也存在着明显的差异性。从理论基础和研究方法上看，Govindan等探讨基于三重底线（经济、环境和社会方面）理论的供应商评价模型，应用模糊TOPSIS对供应商进行排序。Walker等運用统计分析的方法从建设成本、工期、交付价值、协作和现场文化证实了联盟对整个行业的项目交付有显著的改善。其中模糊综合评判法、系统动力学和统计分析等方法在绩效评价中经常被采用。Mershack等将可持续发展指标整合到国际建筑企业联盟的绩效评估中，为绩效评价引入了一个新的评价维度。基于绿色治理的统一新视角，以可持续发展的TBL原则为理论依据，合理测度企业联盟合作绩效，成为了符合当前行业发展的新的研究方向，对优化绿色创新资源配置效率具有积极意义。

因此，本文以TBL原则为理论依据，在大量文献检索的基础上，借助Vosviewer、HistCite等软件对文献进行分析，结合DM法和GEM法两种方法力求得到更加全面、系统、科学的企业联盟绩效评价指标体系。由于研究对象资料较难获取，评价指标体系相对较复杂，本文将采用模糊多准则决策的TOPSIS法，基于绿色治理的统一新视角，以房地产行业为例，对我国企业联盟绩效进行评价。为了验证评价结果的科学性，利用BP神经网络方法对绩效进行再次评价和检验。针对所得绩效评价结果，进一步讨论产生差异化的深层次原因，为今后影响绩效因素的提炼与寻找绩效的提升路径提供参考。

2 评价指标体系构建

2.1 评价指标初步筛选

本研究以联盟绩效、环境绩效、房地产绩效等为关键词，对知网、ASCE、Web of Science等数据库文献进行检索，通过HistCite软件对高引用文章进行查找补充，利用Vosviewer对关键词间的网络进行分析，可以发现，绩效评价、环境绩效、绿色供应链等研究领域受到学术界的广泛关注，平衡记分卡、DEA、TOPSIS、BP神经网络等模型方法使用频率较高如图1所示。为保证可参考文献的质量，在检索文献时设置以下筛选条件：文献需出自行业内权威期刊或是SCI、SSCI、CSSCI及CSCD来源期刊;文献中明确提出了具体的绩效评价指标或绩效影响因素。得到符合要求的期刊共计125篇，形成了本文的指标识别文献库。经统计，库中一半以上为近10年内发表的文献，4成以上的英文文献来自Strategic Management Journal等国际行业权威期刊，3成以上的中文文献来自于《管理世界》等国内重要期刊。对于绩效指标的筛选和体系构建，本文先对文献库内的研究成果进行分类梳理，然后以开放式问卷的形式征询四位来自领域内的权威专家学者的意见。在对文献的绩效评价指标进行统计分析的基础上，充分结合专家的意见或建议，初步得到了基于绿色治理视角的企业联盟绩效评价指标体系，共计50个指标。

2.2 评价指标体系与权重计算

DM法能够在缺少资料和历史参考的情况下进行信息分析与预测，但可能存在一定的主观片面性。GEM法可以避免一定程度上的主观偏差，并且能够更加科学、快速的解决结构化合非结构化问题。本文结合DM法和GEM法对初步建立的评价指标进行打分、权重计算，进而进一步筛选评级指标，从而得到更加科学、全面、系统的评价指标体系。为了更加贴合企业实际情况，在本次问卷调查中，增加行业实践领域专家的数量，邀请领域内的从业人员和专家学者共计15名采用李克特（Likert）5打分法对评价指标进行打分。

经过第一轮匿名专家打分后，整理相关数据，将第一轮专家的综合平均分通过问卷的形式反馈给各位专家，各位专家可以在第二轮问卷中保持或调整自己的打分。回收第二轮问卷后，利用GEM法构造评判矩阵，演算求得各个指标的权值，以指标重要性的平均值为基准，删除了低于均值的指标选项，得到最终的绩效评价指标体系，共计20个指标。再将指标的权值得分进行归一化处理，得到了评价指标最终的权重。

根据联盟的定义、行业的特点以及三重底线原则，以经济绩效、社会绩效、环境绩效、关系绩效和发展绩效5个维度构成了绿色治理视角下的企业联盟绩效评价指标体系。其中，经济、社会、环境绩效侧重于评价联盟的可持续发展水平，而关系绩效和发展绩效分别从联盟合作伙伴间关系和伙伴内部发展两个角度进行评估，从而构成一个完整的评价体系。根据5个维度的测度内容，将之前得到的各个具体指标即二级指标进行归类。最终得到的具体指标及其权重如表1所示。

3 评价模型与数据来源

3.1 评价模型选择

3.1.1 模糊TOPSIS法

TOPSIS （逼近理想解排序法）是一种多目标决策分析方法，常用于解决系统工程问题。与层次分析法相比，TOPSIS避免了数据成对比较，计算过程简单，计算程序系统，有利于在处理大量备选方案和标准的情况下使用。

模糊TOPSIS模型的具体步骤如下：

（1）原始数据模糊化处理。统一整理问卷调查结果，利用表2所示模糊三角数对应关系把问卷打分的结果矩阵模糊化。将所得判断矩阵进行处理，得到标准化矩阵X = xij （i=1，2，…，n;j=1，2，…，m），并利用GEM所得权重wij构造加权决策矩阵Z = zij （i=1，2，…，n;j=1，2，…，m），其中：zij = wij×xij （i=1，2，…，n;j=1，2，…，m）。

（2）各指标的最优值确定。计算出各评价指标的正理想解S+和负理想解S-，S+={（max zij | j∈J1），（min zij | j∈J2）} （i=1，2，…，n;j=1，2，…，m），S- = {（min zij | j∈J1），（max zij | j∈J2）} （i=1，2，…，n;j=1，2，…，m），J1為正向指标，J2为逆向指标。

（3）各企业联盟的绩效水平计算。绩效水平ηi即各决策单元与理想解的相对贴近度，其中Di+、Di-分别表示各决策单元与正负理想解之间的距离：

（i=1，2，…，n;j=1，2，…，m）

Qi的值（0≤Qi≤1）越接近于1，即企业联盟绩效越接近该指标的最优水平，绩效水平越高。

3.1.2 BP神经网络

BP神经网络是一种基于误差反向传播算法的非线性映射网络运算方法，一个输入层、一个隐含层和一个输出层是三层BP神经网络的基本构成。BP神经网络在运行过程中存在反向传播程序，若有误差，会依次对各层神经元的权值进行修改，直至输出符合精度要求的结果。网络结构中的主要影响参数包括隐含层的节点个数和系统误差。

具体计算过程如下：

（1） BP网络结构的初始化，确定各层节点的个数。由经验公式N = a + （m为输出层节点数，n为输入层节点数，a∈（0，10））可求得隐含层节点个数范围，再通过试算确定合理节点数量，并选定系统误差。

（2）根据各个输入样本算出实际的输出及其隐含层神经元的输出，并计算输出值与期望值之间的差值，若结果满足拟定误差，则达到预期的学习效果。

3.2 数据来源

结合住房和城乡建设部建筑节能与绿色建筑综合信息管理平台和各省、市住房和城乡建设厅、委员会等网站的相关数据，对全国的绿色建筑项目数量（2008-2020年）进行统计分析，选择绿色建筑项目数量较多、水平较高的城市进行调研并发放问卷。本次共发放问卷360份，回收209份，通过问卷甄别项筛选出有效问卷157份，有效回收率为75.12%。对所得数据进行信度和效度检验发现，各维度指标的可靠性系数均大于0.8，基本满足信度要求;KMO值为0.947>0.6，且显著性小于0.05，通过巴特利特球形度检验。因此，本次回收的调查问卷显示出良好的内容效度和结构效度水平。

被调研的对象主要包括房地产从业人员、建筑科技创新研发人员、建筑施工从业人员和高校资深研究人员。调研范围涉及华北、华东、华中、华南、东北、西北、西南7个区域，由于地域条件限制以及研究对象较难获取，东北地区的受访者并未反馈提交调查问卷，因此本研究中缺少东北区域的数据。调查问卷的分布状况如表3所示。

157位受访者中主要包括教授级高工、教授、研究员、副教授级高工、副教授、副研究员，其中男性占69.4%，本科及以上文化程度的占94.3%，工作年限超过3年的占85.4%。由于调查问卷兼顾了地域性分布，受访者平均受教育水平较高，平均从业年限较长，对行业有较为深刻的认识，能够较好地理解和回答调查问卷内容，调查结果代表性和可信度较高。

4 实证研究

4.1 运用TOPSIS的评价结果

根据前文TOPSIS的三个步骤，通过标准化矩阵和绝对权重w = （0.0483 0.0497 0.0489 0.0476 0.0482 0.0554 0.0520 0.0501 0.0477 0.0517 0.0535 0.0478 0.0490 0.0530 0.0486 0.0497 0.0483 0.0489 0.0478 0.0536），构造出加权决策矩阵。算出各评价指标的正理想解S+和负理想解S-分别为：S+ = （1.0000 0.9980 0.9819 0.9558 0.9679 1.0000 1.0000 1.0000 0.9876 0.9664 1.0000 0.9541 1.0000 1.0000 0.9779 1.0000 1.0000 1.0000 0.9192 1.0000），S- = （0.0969 0.0997 0.0981 0.0955 0.0967 0.1148 0.1078 0.1005 0.0957 0.1037 0.1109 0.0959 0.1016 0.1063 0.0977 0.0999 0.0969 0.0981 0.0959 0.1075）。计算得到各决策单元与正、负理想解间的距离，进而求出各决策单元与理想解的相对贴近度，得到各企业联盟的绩效水平，如表4所示。

由表4可知，基于绿色治理视角下我国企业联盟的绩效整体处于中等偏上水平，且区域间差距不明显。区域间绩效水平由高到低依次为西北>华中>华东>华北>西南>华南。除西北地区外，其余5个地区的绩效水平十分接近。西北区域的绩效评价结果高于全国平均水平，这可能是由于西北区域的房地产市场目前处于比较有序的状态，各个企业对于建立或加入企业联盟持有比较谨慎的态度，也更倾向于和关系成熟的伙伴进行联盟合作，因此合作效果较好，绩效水平较高。华东、华中区域的绩效水平均处于前列，这与地区内发达活跃的经济市场、大量的流动人口等要素有密切的关系，这些要素不仅能吸引有实力的企业进驻市场，还能为企业的生产经营提供更充足的保障，从而促使企业不断发展，提高管理水平，加强对外交流合作，最终实现较高的绩效水平。华北地区的绩效水平略高于华南、西南地区，这与北部地区冬天实行集中供暖，在节能保温方面更加重视有一定关系。华南、西南地区的整体绩效略低于全国平均水平，造成这种局面的原因可能是这两个地区内各个省市的发展水平差异较大，很多企业以抢占市场份额、发挥品牌效应、获取较大利润等为目的，加入或组建企业联盟。但其自身存在着管理水平有限、管理模式无法与联盟伙伴良好契合、对联盟运作不够了解和提高合作绩效路径不够清晰等问题，导致出现绩效水平不太理想的情况。

4.2 运用BP神经网络的对比分析结果

根据前文BP神经网络的步骤，由经验公式确定出隐含层节点个数范围为[5，14]，再通过试算确定隐含层节点个数为12，并选定系统误差为0.0001。因此，本文的BP网络模型结构是20×12×1。以模糊TOPSIS所得157个样本的绩效水平结果为数据库，利用Matlab对127个样本进行训练学习，然后通过所得神经网络模型对剩余30个检验样本进行试算检验，结果显示，输出值与期望值之间的最大误差为0.1060，最小误差为0，86.67%的测试样本的相对误差都控制在10%范围内，模型拟合效果较好。将模糊TOPSIS所得结果与BP神经网络测算进行对比分析，平均相对贴近度对比如表5所示。

由此可知，利用BP神经网络得出的平均相对贴近度与样本之间的最大误差值为0.0107，最大相对误差为0.0181。本文模糊TOPSIS模型所得绩效评价结果具有可靠性和参考性。同时，所构建的神经网络的自学习能力良好，网络性能良好，该神经网络模型具备对企业联盟绩效预测的能力，各企业可将此模型应用于生产实践中。

4.3 评价结果的差异化分析

综合联盟绩效、绿色创新绩效方面的研究文献和专家访谈资料，企业联盟伙伴的数量、研发投入强度、企业内部绿色管理程度和政府支持可能是影响绩效的主要因素。因此，本文将从以上4个方面分别对联盟绩效进行评价和差异化分析。

4.3.1 企业伙伴数量对绩效评价差异化分析

通过对问卷的统计分析，发现绩效水平最高的是联盟伙伴数量为2～3个的企业，绩效水平最低的是1个联盟伙伴的企业。各类型联盟的绩效水平存在一定差距，最高绩效水平为最低绩效水平的1.15倍。具体数据如表6所示。

按联盟伙伴数量将各绩效进行分类统计如图2所示，进一步分析发现，联盟伙伴数量总体上对联盟绩效水平产生倒U型的影响。随着联盟伙伴数量增加，联盟绩效、经济绩效、环境绩效、发展绩效均呈现先增后减再增的趋势，总体上呈现倒U型关系，其中，联盟绩效、发展绩效对联盟伙伴数量的变化更加敏感，表明联盟伙伴数量对联盟整体绩效水平和联盟内部发展有较大影响。这与朱卫东和解俊杰认为盈利型伙伴数量对企业绩效有影响的观点基本一致。

4.3.2 企业研发投入强度对绩效评价差异化分析

研究发现，研发投入强度较强的联盟绩效水平最高，绩效水平最低的是研发投入强度弱的联盟，仅为最高水平联盟的81.30%，研发投入强度对联盟绩效水平存在较为显著影响，符合学界和社会的一般认知。具体数据如表7所示。

由图3可知，研发投入强度对不同维度绩效水平的影响具有显著的差异性。聯盟绩效、经济绩效、发展绩效均随着联盟伙伴数量增加呈现先增后减的趋势，符合边际效应递减的规律。其中，联盟绩效和发展绩效对研发投入强度的变化更加敏感。环境绩效随着研发投入强度的上升呈现先减后增的趋势，而社会绩效整体上呈现先增后减再增加的趋势，研发投入达到一定强度后，对社会绩效的提高作用甚微。以上结论已得到一些学者的证实，例如：李健等发现研发投入强度对高新技术产业效率的提升有显著促进作用。

4.3.3 企业内部绿色管理对绩效评价差异化分析

受访者所在企业均进行了不同程度的绿色管理，按企业内部绿色管理程度划分，联盟绩效水平从高到低依次为：绿色管理程度比较强>绿色管理程度有点强>绿色管理程度还算强>绿色管理程度不太强。内部管理程度比较强联盟的相对贴近度是内部管理程度不太强的联盟的1.44倍，二者差距较大。具体数据如表8所示。

从图4的绩效变化趋势来看，企业内部绿色管理重视程度对不同维度绩效水平的影响具有显著的差异性。内部绿色管理程度对联盟绩效和发展绩效有较大影响，且内部绿色管理程度越强，对两者的影响越显著，环境绩效和企业内部管理程度呈现负相关关系。由此可知，加强企业内部绿色管理可快速提高联盟整体绩效水平，对联盟社会绩效的提升也有显著作用，但内部绿色管理的逐步收紧可能会导致联盟环境绩效的持续下降，这可能是因为过于严格的绿色管理措施可能会导致作业环保标准的提升，在短时间内，原有技术水平无法满足更高的要求，从而导致环境绩效的下降。研究结论与夏同水等的观点基本一致。

4.3.4 政府支持对绩效评价差异化分析

所有联盟均受到了政府对其组建或运营的支持，受访者所在企业均进行了不同程度的绿色管理，联盟绩效水平从高到低依次为：政府支持程度有点强>是政府支持程度比较强>政府支持程度还算强>政府支持程度不太强。政府支持程度有点强的联盟合作水平比政府支持不太强的联盟合作水平高出43.32%，差距较为明显。具体数据如表9所示。

对图5进行分析可知，政府支持力度整体上对联盟绩效水平产生倒U型的影响。政府支持程度的加强对关系绩效、社会绩效、环境绩效以及经济绩效的影响不太显著，但联盟绩效和发展绩效随之发生先增后减的剧烈变化，整体呈现倒U型关系。许多学者针对政府支持和绩效水平的关系持不同意见。从本研究结果来看，政府支持对联盟绩效水平有一定程度的积极影响，受到政府支持的企业联盟更有可能、也更有动力加快自身建设，提升自身实力，使得发展绩效有所提升，但过度的政府支持也会使得联盟成员有所松懈、停滞不前，因此政府层面对联盟的资金、政策等支持也需把握适度原则。

5 结论与启示

研究结果表明：①目前我国基于绿色治理视角下的企业联盟虽然尚处于初步阶段，但整体绩效处于中等偏上水平。②从地域上看，绩效水平由高到低依次为西北地区、华中地区、华东地区、华北地区、西南地区、华南地区。③联盟伙伴数量总体上对联盟绩效水平产生倒U型的影响;研发投入强度、企业内部绿色管理重视程度对不同维度绩效水平的影响具有显著的差异性;政府支持力度整体上对绩效水平的影响呈倒U型的关系。

由于各个联盟的自身实力、战略目标、所处市场环境等客观条件存在较大差异，绩效影响因素选取有限，本文所得的评价指标体系不一定适用于每个场景，所得的研究结果有一定局限性。下一步可根据联盟类型、资源限制、评价目的等不同，灵活增减指标，调整指标权重、丰富影响因素，对联盟绩效作用机制进行更深层次挖掘。

参考文献：

1.Corinne Post.Green Governance： Boards of Directors’ Composition and Environmental Corporate Social Responsibility. Business & Society. 2011. 50（1）

2.Walker D，Harley J，Mills A.Performance of Project Alliancing in Australasia： a Digest of Infrastructure Development from 2008 to 2013.Construction Economics & Building.2015.15（1）

3.Che Z，Jamil M，Mohamed R.The Effect of Management Control System on Performance Measurement System at Small Medium Hotel in Malaysia.International Journal of Trade Economics and Finance. 2013. Vol 4（4）

4.成琼文 周璐 余升然.绿色供应链管理与实践绩效研究——以电解铝企业为例.中国软科学.2017.10

5.Govindan K，Khodaverdi R，Jafarian A.A fuzzy multi criteria approach for measuring sustainability performance of a supplier based on triple bottom line approach. Journal of Cleaner Production.2013.47

6.Tetteh M O，Chan A，Nani G.Combining process analysis method and four-pronged approach to integrate corporate sustainability metrics for assessing international construction joint ventures performance.Journal of Cleaner Production.2019.237

7.張伟 张庆普.基于模糊德尔菲法的企业知识管理创新风险评价研究.科技进步与对策.

2012.29（12）：112-116

8.王金凤 刁莹莹 冯立杰 岳俊举 张珂.高新技术企业商业模式评价指标体系研究.科技管理研究.

2020.40 （07）

9.郑培 黎建强.基于BP神经网络的供应链绩效评价方法.运筹与管理.2010.19 （02）

10.王彩明 李健.中国区域绿色创新绩效评价及其时空差异分析——基于2005-2015年的省际工业企业面板数据.科研管理.2019.06

11.朱卫东 解俊杰.联盟组合伙伴多样性与企业绩效关系——基于吸收能力的调节作用.江淮论坛.2019.01

12.李健 李宁宁 苑清敏.高新技术产业绿色创新效率时空分异及影响因素研究.中国科技论坛.2021.04

13.夏同水 王媛 邢超.绿色管理对企业创新绩效的影响研究.中国科技论坛.2020.03

作者简介：赵艳玲，重庆大学管理科学与房地产学院副教授、博士生导师。

彭琢，重庆大学管理科学与房地产学院硕士研究生。

基金项目：国家社会科学基金项目（批准号：18BJY063）;中央高校基本科研业务费专项项目

（批准号：2018CDXYJG0047）。