Background: Green packaging plays an important role to reduce environmental wastes and protect the environments which aligned with the Sustainable Development Goals (SDG). However, the lack of environmental awareness, inconvenience of support, cost, and lack of government enforcement is the most frequently cited reasons for discouraging green packaging usage. This study aims to establish a model to understand the motivational drivers of green packaging acceptance from the lens of the Theory of Consumption Value. Methods: Data from self-administered questionnaire were obtained for this qualitative study to address the affirmation hypotheses. A total of 426 questionnaires were distributed among the shopping centres consumer’s in Klang Valley, Malaysia. Each individual was approached at the major shopping centers where the green packaging was in practice. The researchers employed a partial least squares-structural equation modeling (PLS-SEM) approach using the SmartPLS 3 package to analyze the data. Results: Findings from this study indicated that three values have a significant impact on consumer's green packaging acceptance which is emotional, functional, and social value while conditional and epistemic have no statistical impact on consumer's green packaging acceptance. Conclusion: These research findings contribute to the growing body of knowledge on the drivers that motivate consumers to shift from traditional packaging to green packaging and subsequently contributing to long-term urban sustainability and quality of life predominantly in the emerging economy. Future researcher should be taken forward by undertaking further studies which include longitudinal and comparative studies of consumer acceptance towards green packaging in both developed and developing countries..
Background: Complexity has been an interesting research area for academics and businesses practices due to its relevance in determining the best practices and impacts to the supply network. The contribution of this research extend to the literature and put forward solutions for the industry since previous studies are neglecting whole network relations, which is highlighted as source of supply network complexity (SNC). Specifically, this research extends to enriching the literature and recommending solutions to the industry players since previous studies are neglecting important Inter Firm Relation (IFR) elements, formal inter-firm relation (FIFR) and informal inter-firm relations (IIFR), which are highlighted as a pertinent factor in this research. In this study, the Social Network Analysis (SNA) method was adopted to develop valid attribute for the measurement process and the embeddedness theory was used to evaluate the interrelationships among the proposed attributes. This study found that FIFR and IIFR have different effects towards the formation of SNS and consequently towards SNC. Finally, theoretical and industrial implications are also discussed. Methods: Traditional statistical tools focus on attributes of phenomenon as determinants for occurrence of economic payoff. Thus, traditional statistical analysis is not suitable to measure the impact of relations or connections among member of network contributing to network complexity. For the purpose of this research, the Social Network Analysis methodology was adopted to collect, analyse and interpret network data. Network survey was conducted to collect relational data among members of maritime industry supply network. Network data was analysed and interpreted using specialized social network program i.e. UCINET and NETDRAW. Statistical network measures such as centralization and density was applied to determine the relations between network complexity and network relations. Results: The findings of this study indicate that Inter Firm Relation (IFR), formal inter-firm relation (FIFR) and informal inter-firm relations (IIFR), which are highlighted as a pertinent factor in this research, have different effects towards the formation of SNS and consequently towards SNC. Conclusion: The results of the statistical network analysis indicate that, network complexity exist in different forms and structure, depending on the type of relations that formed the network in the first place. Consequently, what these mean are, managing network requires different types of resource and strategy as the level of the network complexity are different at different states of connectivity.
PL
Wstęp: Kompleksowość jest interesującym tematem badań naukowych w połączeniu z tematem stosowania dobrych praktyk oraz jego wpływu na funkcjonowanie łańcucha dostaw. Praca skupia się na obszarze przemysłu, gdyż jest on stosunkowo mało opracowany w ostatnio publikowanych pracach, gdzie są często pomijane aspekty zależności sieciowych, wpływających na kompleksowość łańcucha dostaw (SNC). W szczególności praca skupia się na elementach wewnętrznych relacji firmowych (IFR), formalnych relacjach wewnątrzfirmowych (FIRF) oraz nieformalnych relacjach wewnątrzfirmowych (IIFR), które są szczególnie potraktowane w prezentowanej pracy. W pracy zastosowano metodę analizy sieci socjalnych (SNA) w zmodyfikowanej formie dla oceny procesu oraz teorii zagnieżdżenia, które zostały użyte do oceny relacji wewnętrznych. W pracy stwierdzono, że FIFR i IIFR mają różny wpływ na formowanie SNS oraz w konsekwencji na kształt SNC. Poddano dyskusji również teoretyczne i przemysłowe implikacje. Metody: Tradycyjne narzędzia statystyczne koncentrują się na wpływu czynników na ekonomiczny wynik. Dlatego też tradycyjna analiza statystyczna nie jest wystarczającą dla pomiaru wpływu relacji i powiązań między członkami sieci na kompleksowość tej sieci. W celu tej oceny, zastosowano metodologię SNA (Social Network Analysis), do zbierania, analizy i interpretacji danych. Dane zebrano na podstawie ankiety pomiędzy członkami łańcucha dostaw obszaru portów morskich. Zebrane dane zostały poddane analizie w specjalistycznym programie UCINET oraz NETDRAW. Do oceny relacji sieciowych oraz kompleksowości zostały użyte wskaźniki statystyczne takie jak centralizacja i gęstość. Wyniki: Wyniki badań wskazały, że relacje wewnątrzfirmowe (IFR), formalne relacje wewnątrzfirmowe (FIRF) oraz nieformalne relacje wewnątrzfirmowe (IIFR), uwzględnione w pracy jako istotne, mają różny wpływ na kształtowanie się SNS oraz w konsekwencji na SNC. Wnioski: Wyniki analizy statystycznej wskazują, że kompleksowość sieci występuje w różnej formie i strukturze, w zależności od typu relacji, kształtującej daną sieć. W konsekwencji, różnego rodzaju zasoby i strategie jak i poziom kompleksowości sieci są różne w różnych etapach połączeń.
Background: This research attempts to extend the understanding and application of embeddedeness theory beyond the general network structure. Previous research on network analysis largely focused on the context of the decentralized network structure and how it impacts on the performance of the network member. However, each member of a supply network is embedded in a centralized network structure. The focal firm often plays the commanding role in such structure. Thus, the supply network is a centralized network because of the existence of the focal firm. The existence of the focal firm may influence the impact of firm performance, particularly on the generation of relational capital. Hence, the objective of this research is to determine how formality derives from the centralization of the supply network and influences trust projection in the supply network structure so that it is possible to organize supply network resources to their optimum capacity. Methods: Basing on the previously applied approach of Social Network Analysis from the sociology research field, we adopted the Social Network Analysis methodology to collect data on supply network connectivity or relations. Using an Exponential Random Graph Model [ERGM], we developed a random search algorithm for network relational capital optimization. Exponential Random Graph Modeling [ERGM] is a statistical method for modeling the generative processes that create social networks. In ERGM, the log-odds of a tie between members of a dyad of nodes or actors in the network are essentially modeled using an exponential form analogous to logistic regressions. Results: The findings of this study indicate that centrality negatively influences trust projection in the supply network. Hence, a firm embedded in upstream supply network benefits differently in terms of relational capital through the different degree of embeddedness. The firm's resources should be re-aligned to match the benefits of the different network structural positions. Conclusion: The results of the statistical network analysis reveal interesting findings in terms of prominent structural forms and the impact of involvement or embeddedness in the formal of a supply network. What this means is that the more embedded a firm is in the upstream supply network based on the formal contract tie, the less the likelihood that it will be perceived as trustworthy by other network members. Consequently, this tells us that firms’ embbededness in a centralized network structure which is based on a formal contract ties have a negative impact on the firms’ level of trust perception.
PL
Wstęp: Praca ma celu rozszerzenie znaczenia i stosowania poza strukturę sieci teorii zależności aktywności ekonomicznych od czynników socjalnych. Wcześniejsze badania dotyczące analizy sieci w dużej mierze koncentrowały się na zagadnieniu decentralizacji struktury sieci i wpływu tego procesu na działanie poszczególnych jej członków. Niemniej każdy członek łańcucha dostaw jest elementem zcentralizowanej struktury sieci. Zcentralizowana firma odgrywa przywódcza rolę w całej takiej strukturze. Dlatego też łańcuch dostaw jest siecią zcentralizowaną z powodu istnienia firmy przywódczej. Istnieje takiego typu firmy w sieci ma wpływ na wyniki działalności. Celem tej pracy jest określenie wpływu formalizmu, będącego wynikiem zcentralizowania łańcucha dostaw, ba poziom zaufania w obrębie tego łańcucha oraz możliwości organizacji wykorzystania zasobów tego łańcucha do uzyskania wykorzystania optimum zasobów. Metody: W oparciu o wcześniej stosowane podejście używające analizy sieci socjalnych, zastosowano metodologię analizy sieci socjalnych do zgromadzenia danych dotyczących połączeń i relacji w obrębie łańcucha dostaw. Przy użyciu modelu Exponential Random Graph Model [ERGM] opracowano losowo szukający algorytm dla rozwiązywania problemu optymalizacji relacji sieci. Exponential Random Graph Modeling [ERGM] to metoda statystyczna służąca kształtowaniu procesów generatywnych, tworzących sieci socjalne. W metodzie tej, zarówno połączenia nieparzyste jak i dwójki węzłów sieci są modelowane poprzez użycie postaci wykładniczej analogicznej do regresji logistycznej. Wyniki: Uzyskane wyniki badań wskazują, że centralizacja ma negatywny wpływ na poziom zaufania w łańcuchu dostaw. Firmy umieszczone w różnych częściach łańcucha dostaw zyskują w różny sposób z relacji socjalnych w obrębie tego łańcucha. Zasoby firmy musiałyby być przesunięte, aby uzyskiwać benefity wynikające z różnej pozycji w strukturze sieci. Wnioski: Wyniki uzyskane na podstawie analizy statystycznej sieci wskazują na ciekawe zależności w obrębie strukturalnych form, mający wpływ na zaangażowanie w formalnej strukturze łańcucha dostaw. Im dana firma znajduje się wyżej w sieci łańcucha dostaw w odniesieniu do formalnych połączeń i relacji, tym jest mniejsze prawdopodobieństwa, że będzie traktowana z zaufaniem przez innych członków danej sieci. W konsekwencji, należy wysunąć wniosek, że ze wzrostem pozycji w zcentralizowanej sieci, zaufanie do danej firmy maleje.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.