穆罕默德·德韦克西（Muhammet Deveci）、梅赫塔普·伊什克（Mehtap Işık）、贾内尔·阿斯拉姆（Caner Arslan）、巴尔图·古内里（Bartu Güneri）
土耳其国防大学海军学院工业工程系，土耳其伊斯坦布尔图兹拉34942
**摘要**
本研究探讨了企业在不确定性环境下对可持续性投资进行优先排序的决策过程。面对经济危机、疫情和地缘政治紧张局势等全球性冲击，企业需要调整其投资决策，以提高韧性和竞争力，同时遵守日益严格的环境法规。在这方面，选择最佳投资组合需要考虑环境、经济、技术和风险等多个方面的因素。本研究提出了一种多标准决策（MCDM）框架来构建决策问题，并通过案例情景展示了该模型的应用方法。利用十六个标准，采用模糊爱因斯坦技术（Fuzzy Einstein）的相似度排序方法（TOPSIS）和模糊组合折中解决方案（CoCoSo）对四种备选方案进行评估。案例分析结果表明，应优先考虑积极主动的策略，并强调了推迟可持续性承诺所带来的战略风险。本研究构建了一个理论框架，讨论了可持续性投资在企业韧性和竞争力中的作用，同时为企、政策制定者和研究人员提供了一个实用的决策支持工具。
**1. 引言**
在经济危机、疫情、气候变化和地缘政治紧张局势之后，尤其是出口导向型的企业面临日益增长的经济不确定性和环境法规收紧的压力（Butollo等人，2025；Smit，2025）。虽然企业面临着汇率波动、高通胀、全球市场不稳定等宏观经济约束，但投资者和消费者对企业的环境、社会和治理（ESG）绩效的期望却在不断提高（Gao，2024；Bin-Feng等人，2024）。同时，企业在国内外市场上保持竞争力和韧性的需求继续影响着其战略决策。这些由危机、环境问题和全球紧张局势带来的压力不仅是对企业的短期冲击，更是经济秩序的根本变化（Butollo等人，2025；Vrontis等人，2024；Rudolf，2021）。在这种新的经济秩序下，企业如何在经济不确定性背景下平衡环境责任、财务稳定性和竞争力的发展并优先投资可持续性战略成为一个重要问题（Bhue等人，2025a；Smit，2025；Koc等人，2022）。
现有文献大量分析了企业在应对经济或环境危机、地缘政治紧张局势和不确定性时的策略调整。然而，关于企业在多维压力下如何优先选择不同策略仍存在研究空白。据我们所知，在本研究进行时，尚无其他研究探讨企业在面对全球环境、经济和政治不确定性时如何规划投资项目。本研究旨在提出一种新方法，填补这一空白，并将企业的决策问题构建为在经济不确定性、可持续发展目标和国际竞争力共同约束下的最优战略组合选择。研究将不确定性视为经济、监管和地缘政治维度中的多维概念，考虑了宏观经济和微观经济的波动性以及新的可持续性和合规要求对市场结构的影响。提出的框架同时考虑了经济、监管和地缘政治不确定性，并采用先进的模糊多标准决策（MCDM）方法分析企业层面的战略决策。由于MCDM在处理涉及多个相互冲突的标准和约束的优化问题方面具有优势，因此该方法十分适用。通过一个案例情景展示了如何在代表环境可持续性关切、经济韧性要求、竞争力发展需求以及现有宏观经济风险和不确定性的多维约束下确定企业的最佳投资选择。该案例情景基于全面的文献回顾和专家意见制定，旨在说明该模型在解决决策问题中的有效性。
**2. 文献综述**
2.1. 企业在不确定性下的行为
越来越多的学术研究表明，2008年金融危机、疫情、气候变化、地缘政治紧张局势和贸易限制加剧了对企业的压力。这些宏观层面的冲击不仅带来了短暂的影响，还推动了全球经济体系的转型（Smit，2025；Butollo等人，2025；Costa，2022；Hitt等人，2021）。当前的经济秩序呈现出新的特征：区域化加剧、全球价值链中新治理结构的出现以及ESG要求的强化（Vrontis等人，2024；Gao，2024；Bin-Feng等人，2024；Yahya，2023；Rudolf，2021；Broadstock，2021）。为了应对这些变化，企业的战略决策在过去二十年里发生了演变。
自21世纪初以来，学术界一直在探讨企业如何在波动期间兼顾环境要求和财务可行性（Marsat等人，2021）。研究表明，环保调整并不一定会削弱企业的财务韧性，反而能提升企业应对危机的能力（Bhue等人，2025a）。此外，Bhue等人（2025b）发现，在地缘政治风险和环境问题面前，企业的价值会因可持续性投资而提升。这些研究表明，可持续性投资与企业战略和财务决策越来越紧密相关（Bhue等人，2025b）。此外，Koc等人（2022）指出，可持续性相关的成本不应被视为一种权衡。这些发现支持了企业可以通过利用内部能力来减少不确定性影响、从而提升竞争力的观点（Koc等人，2022）。Brock和Hitt（2024）强调了跨国公司在适应全球动荡中的动态能力（如感知、抓住机会和重新配置）的重要性，而Smit（2025）将可持续性投资视为一种灵活的、分阶段实施的承诺，能在不确定性环境中创造价值。
关于ESG的文献还显示，企业的可持续性投资对其危机韧性、创新能力及长期增长有积极影响。在危机期间，良好的ESG表现可以减少财务损失（Broadstock等人，2021），促进企业的可持续增长和价值提升（Bagh等人，2024），并改善治理结构（Kartal等人，2024）。Yang等人（2024）指出ESG评级与绿色创新之间存在非线性关系。dos Reis Cardillo和Basso（2025）的系统性综述强调了影响ESG-财务绩效关系的调节因素，如企业特征、制度和法律环境、文化和社会因素以及市场条件。此外，人工智能驱动的风险评估在波动市场中增强了财务稳定性（Omopariola和Aboaba，2021），数字整合有助于减排、创新和资源效率提升（Quttainah和Ayadi，2024）。现有研究指出，技术是企业韧性、竞争力和可持续性的关键支撑（Zehir和Vural，2025；Azher等人，2025；Sun和Abdullahi，2025）。
全球性的动荡重塑了国际商务模式和治理结构。Hitt等人（2021）指出，COVID-19疫情加速了全球经济的重组。Costa（2022）和Elo等人（2025）进一步指出，国际化和经济网络也在围绕新的区域和关系逻辑进行重组。McDougall和Davis（2024）以及Butollo等人（2025）指出，更具韧性的本地化供应链正在出现，并强调了技术主权的转变。这些基础设施治理变化对企业、行业和国家层面的金融体系都有影响。虽然金融危机会导致企业治理结构的长期调整（Rudolf，2021），但企业社会责任在不确定性环境下增强了流动性创造（Chen和Chen，2025）。
另一项研究关注跨国企业战略如何适应全球碎片化和区域化趋势。Verbeke等人（2025）分析了地区跨国企业在国际市场中日益重要的作用，而Vrontis等人（2024）指出，全球价值链的中断促使企业采取更加内向的营销策略。Dugbartey（2025）探讨了技术中断对市场碎片化和投资者行为的长期积极影响。Jia和Li（2020）研究了财务限制对企业在可持续性绩效中的调节作用。Tahir和Richards（2025）系统总结了财务韧性影响的研究，强调了企业风险管理能力在经济波动中的重要性。这些研究表明，企业必须根据区域动态、监管差异和制度波动性优化战略组合。
总体而言，地缘政治紧张局势、经济和环境不确定性重塑了全球经济秩序。因此，企业需要在多维约束下制定战略行动。可持续性投资日益融入企业的财务和竞争力战略，而不再被视为单纯的成本。企业的能力、新兴的治理结构和技术应用是决定企业如何应对不确定性的关键因素。
**2.2. 模型背景**
提出的方法框架结合了基于FUCOM的备选方案选择权重分配方法和模糊爱因斯坦TOPSIS技术。FUCOM由Pamucar等人（2018）提出，是一种基于一致性驱动的权重分配方法，能在确保权重估计可靠性的同时减少成对比较的数量。该框架通过与模糊CoCoSo的方法进行比较分析来验证结果的准确性。FUCOM被证明能提供更一致和高效的权重分配结构。相比之下，模糊爱因斯坦技术通过捕捉传统TOPSIS方法常忽略的复杂模糊关系，增强了基于距离的评估的稳健性。此外，将结果与模糊CoCoSo进行比较，提供了多角度的排名稳定性评估。本研究通过提供一个更可靠且对不确定性更敏感的决策支持模型，为分析企业的可持续性投资决策做出了贡献。该模型不仅有助于现有文献的扩展，还填补了模糊多准则决策-making（MCDM）过程中的方法论空白。FUCOM的方法灵活性已在文献中的广泛应用领域得到证明。Batar和Peker（2026年）使用FUCOM为循环经济框架内的医疗废物管理评估制定了一致的标准权重。同样，Tatar等人（2025年）利用该方法通过确定人体工程学危害标准的相对重要性来评估与工作相关的肌肉骨骼疾病风险。在农业领域，Yener等人（2025年）使用FUCOM计算桃子种植土地适宜性评估的标准权重。FUCOM还被应用于城市交通规划，Torrisi等人（2025年）分析了卡塔尼亚大学生对电动滑板车采用的偏好和优先级。此外，Gökler（2024年）将FUCOM与基于人工神经网络的时间序列预测相结合，以确定预测性维护的专家标准权重。这些研究表明，FUCOM是在不同领域提供一致且可靠的标准权重的一种有效方法。
模糊Einstein TOPSIS方法是经典TOPSIS方法的扩展，它结合了Einstein聚合运算符以更好地处理决策中的不确定性和非线性关系。这种方法已广泛用于处理排序选项时的不确定性和模糊性。最近，Tsulaia（2025年）在模糊背景下使用带有Einstein运算符的TOPSIS来优先考虑电子商务配送系统中配送储物柜的放置位置。Deveci等人（2023年）应用模糊Einstein TOPSIS对评估元宇宙对交通安全影响的各种选项进行排序。Zaman等人（2023年）结合了基于Einstein t-范数的复杂Fermatean模糊聚合运算符和TOPSIS来对英语教师选拔问题中的选项进行排序。Qadir等人（2021年）使用基于Einstein t-范数和t-余范数的直觉模糊粗糙聚合运算符来确定标准权重，并应用扩展的TOPSIS方法对选项进行排序。因此，他们在不确定和不精确的数据下提供了一个可靠且一致的决策支持系统。
MCDM领域的最新发展催生了多种新方法，包括期望解决方案点（ESP）-特征对象方法（COMET）（Sałabunet等人，2025年）、模糊排名比较（RANCOM）（Więckowski等人，2025年）、标准重要性评估（CIMAS）（Bošković等人，2025年）以及通过分布评估确定偏度影响（SITDE）（Gopisetty和Sama，2025年）。随着这些方法的日益普及，作为标准权重技术之一的FUCOM的使用也有所增加。FUCOM已被应用于众多研究，促进了其在学术文献中的更广泛采用和接受。同样，模糊Einstein TOPSIS方法也被引入作为一种替代的排序方法，并在最近的研究中得到了越来越多的应用。然而，同时使用这两种方法的研究仍然有限。
本研究的目标有两个：首先，使用FUCOM在尽可能少的专家比较次数下确定具有高一致性的标准权重；其次，通过使用模糊Einstein TOPSIS方法限制不确定性下的过度补偿，获得更加稳定和现实的选项排序。本研究通过将FUCOM和模糊Einstein TOPSIS方法整合到一个统一的决策框架中，为文献做出了贡献。因此，它在不确定性下提供了一种一致的重度机制和更稳健的排序方法。
3. 问题定义
本研究探讨了企业在面对不确定性时应投资的可持续性导向策略、它们应该如何优先考虑这些策略，以及如何使用所提出的模型构建最优的战略组合。我们对现有文献进行了全面回顾，并在标准权重阶段咨询了四位专家（三位学者和一位行业专家）。此外，在选项选择阶段还采访了六位专家（四位学者和两位行业专家），目的是将决策过程构建为一个MCDM问题。在这方面，关于ESG和可持续性绩效、技术采用以及在不确定性下的竞争优势的相关文献被系统地整合到模型设计中。随后进行了全面的文献回顾，并将主要发现分为环境可持续性、技术能力和竞争绩效三大类别。这些维度被转化为可测量的决策标准和战略选项，如减排、合规性、创新能力以及供应链韧性。然后，通过专家访谈进一步完善和确认了标准和选项的初步结构。具体来说，关于ESG和可持续性绩效的研究构建了环境和法规标准、减排、常规要求以及绿色金融的集合。数字化和可再生能源整合的研究发展了投资选项和创新相关标准，如效率、风险缓解和长期价值。关于竞争优势的文献通过将这些维度与企业的增长、出口竞争力和供应链韧性联系起来。
通过这一过程，共确定了四组投资策略选项、四个主要决策标准和十六个子标准（每个主要标准下四个子标准）。企业通常采用的投资策略被归类到这四组选项中。此外，四个主要标准及其相应的子标准被定义为限制决策过程的约束条件。使用FUCOM根据专家意见确定标准权重，这些权重也被用来识别在不确定条件下企业应更频繁采用的策略。选项和标准的定义与现有文献相关如下：
3.1. 选项定义
A1：绿色供应链投资：这套策略涉及通过更清洁的投入、减排、供应商参与和环境负责的物流等方法加强供应链的可持续性。文献中的研究表明，绿色供应链投资是对抗不确定性的增强韧性和竞争力的措施（Koç等人，2022年；Butollo等人，2025年；McDougal和Davis，2024年；Bhue等人，2025a）。
A2：可再生能源整合：这类策略指的是采用可再生能源技术，以减少对化石燃料价格波动的依赖，改善排放表现，并遵守可持续性法规。研究表明，可再生能源的采用介导了企业的ESG实力与财务稳健性之间的联系（Marsat等人，2021年；Broadstock等人，2021年；Cardillo和Basso，2025年；Yang等人，2024年；Bagh等人，2024年；Hitt等人，2021年；Costa，2022年）。
A3：数字化资源优化：这套策略利用人工智能（AI）或物联网（IoT）等数字工具优化资源使用。研究表明，数字化可以同时提升企业的创新能力、韧性和可持续性（Omopariola和Aboaba，2021年；Quttainah和Ayadi，2024年；Brock和Hitt，2024年）。
A4：延迟或最小化投资：在不确定性或财务约束下，企业可能会选择推迟重大投资，以维持现有的状况。延迟投资是在面对极端波动时的理性战略反应（Smit，2025年；Jia和Li，2020年）。
3.2. 标准定义
共定义了十二个标准，分为四个方面：
(1) 环境可持续性
C11：减少碳排放（收益）：减少碳排放是一个可持续性目标。研究表明，可持续性投资可以在危机期间增强企业的财务韧性（Marsat等人，2021年）并改善创新成果（Yang等人，2024年）。
C12：改进废物管理（收益）：改进废物管理是实现清洁供应链和运营可持续性的要求，通过供应链整合和灵活性支持竞争优势（Koç等人，2022年），并与疫情后的治理期望保持一致（Butollo等人，2025年）。
C13：遵守环境标准（ISO 14001、EU CBAM等）（收益）：遵守全球环境法规预计可以减少受到制裁和贸易壁垒的影响。这对于大多数受监管市场的出口竞争力至关重要（Hitt等人，2021年）以及基于ESG的监管问题（Kartal等人，2024年）。
C14：能源或水资源效率（收益）：提高效率可以减少企业对化石燃料、电力和淡水等资源的依赖，并有助于降低运营风险（Quttainah和Ayadi，2024年）。
(2) 经济韧性
C21：可持续性行动的投资回报（ROI）（收益）：高回报项目支持财务韧性。这与ESG表现改善危机期间结果的研究结果一致（Broadstock等人，2021年），并支持企业的长期价值（Bhue等人，2025b）。
C22：绿色投资的回收期（成本）：不确定性使企业对投资时机敏感；较长的回收期增加了风险，这与Smit（2025年）的实际选择论点相符。
C23：通货膨胀或汇率波动对运营成本的影响（成本）：宏观经济不稳定会影响运营成本和投资能力（Jia和Li，2020年）。通货膨胀和汇率波动被认为是全球市场中的系统性风险（Dugbartey，2025年）。
C24：获得绿色融资或补贴（收益）：这种获取途径增强了流动性和韧性（Chen和Chen，2025年；Tahir和Richards，2025年）。
(3) 企业发展与战略价值
C31：市场定位和品牌建设（ESG评级、消费者认知）（收益）：强大的ESG活动有助于提升企业的品牌价值。它积极影响消费者信任，并支持国际营销策略（Ghosh等人，2025年；Broadstock等人，2021年）。
C32：出口竞争力（符合欧盟或海湾市场要求）（收益）：环境和ESG标准支持企业进入受监管的国际市场（Verbeke等人，2025年；Costa，2022年）。
C33：创新能力（采用清洁技术）（收益）：可持续技术的创新提升了企业的适应能力（Brock和Hitt，2024年；Quttainah和Ayadi，2024年）。
C34：供应链韧性和本地化（收益）：企业必须在面对中断时建立供应链韧性（McDougall和Davis，2024年；Butollo等人，2025年；Koç等人，2022年）。
(4) 风险与不确定性因素
C41：投入价格波动（成本）：价格波动增加了项目风险并影响可持续性投资决策（Dugbartey，2025年）。
C42：货币风险和利率冲击（成本）：汇率和利率波动限制了企业的财务韧性（Jia和Li，2020年；Tahir和Richards，2025年）。
C43：监管环境的不确定性（成本）：监管不确定性增加了模糊性。危机后可能会出现新的治理结构（Hitt等人，2021年；Rudolf，2021年）。
C44：政策变化或国际制裁的可能性（成本）：新政策可能难以被市场迅速吸收，从而导致失败（Bhue等人，2025a；Vrontis等人，2024年）。
4. 提出的方法论
本研究采用的两阶段方法如图1所示。
4.1. 使用FUCOM确定标准权重
为了确定标准的相对重要性，采用了Pamucar等人（2018年）提出的FUCOM方法。该过程包括三个主要步骤：
步骤1：对标准进行排序：首先根据专家判断按重要性降序排列评估标准。最重要的标准被赋予最高的排名，而最不重要的标准则位于排名底部。这产生了一个有序的标准集合。
步骤2：确定比较优先级：一旦排名确定，决策者就会评估连续标准之间的相对重要性。对于每一对连续的标准，都会分配一个比较优先级值，该值反映了标准的重要性超过另一个标准的次数。这些优先级满足条件，其中较大的值表示更大的相对重要性。
步骤3：通过解决FUCOM模型确定标准权重：将比较优先级转换为权重系数集，通过解决以下非线性优化模型来实现。该模型旨在最小化最大偏差χ，同时确保两个一致性条件（数学传递性和权重系数与比较优先级之间的相等性），这些在Pamucar等人（2018年）中有详细说明。该模型确保了比较优先级与衍生权重之间的一致性。使用方程（1）中显示的FUCOM优化模型，分别计算每个专家的标准权重。然后通过取个别结果的算术平均值获得最终的标准权重，这些权重将用于后续阶段。
4.2. 模糊Einstein TOPSIS模型
TOPSIS最初由Hwang和Yoon（1981年）提出，广泛用于根据选项与理想解的距离对其进行排序。为了处理不确定性，开发了模糊扩展方法，这些方法结合了语言变量和模糊数（Nazim等人，2022年）。最近的研究强调了将高级聚合运算符纳入模糊TOPSIS中的重要性，以增强在不确定性下的鲁棒性。在这方面，Deveci等人（2023）引入了爱因斯坦聚合运算符，为组合模糊信息提供了一种非线性和灵活的机制。通过利用爱因斯坦t-范数和t-余范数，决策模型能够更好地捕捉标准和专家评估之间的相互作用，从而获得更加一致和有区分性的结果。评估过程包括5个主要步骤，具体如下：
**步骤1.** 使用模糊尺度对每个标准评估备选方案。收集专家评估，对于每个备选方案和标准，专家使用语言术语评估其相对于该标准的绩效。这些语言评估随后被转换为三角模糊数，表示为，其中代表专家索引。这种结构代表了模糊TOPSIS的标准输入格式。
**步骤2.** 然后计算备选方案的聚合分数。反映专家评估的单独决策矩阵使用模糊爱因斯坦加权平均（FEWAA）运算符合并成聚合决策矩阵，如方程（2）所定义（Hamachar，1978）。
**步骤3.** 计算加权归一化值：根据标准类型（收益与成本），按照方程（5）对决策矩阵进行归一化：
其中和分别计算为：
**步骤4.** 计算正理想解和负理想解：正理想解和负理想解可以分别表示为：
在这里，和分别表示每个标准的最大和最小加权归一化值，根据标准类型j确定如下：
**步骤5.** 计算每个备选方案的接近系数并确定最终排名：备选方案的接近系数为：
作为最后一步，根据它们的值从高到低对备选方案进行排序。
**5.** 案例研究**
**5.1.** 应用模糊FUCOM确定权重系数**
本研究的这一部分展示了一个案例研究，其中标准是使用FUCOM计算的。研究中的标准列表共有16个，分为4个主要类别。在通过FUCOM确定标准权重的过程中，考虑了四位不同专家决策者的意见。在应用的初始阶段，专家根据重要性对这四个主要类别中的16个标准进行了评估。主要标准和次要标准的排名见附录A.1。专家决策者根据1-9的等级确定了标准的相对优先级（1：相等，9：最高）。所有评估都是基于确定最重要的标准相对于其他标准的优先级。相对优先级见附录A.2。对附录A.2中呈现的排名进行分析后发现，专家决策者1认为“环境可持续性”是最重要的标准，“符合环境标准”是这一总体类别中最关键的子标准。在确定相对优先级后，通过Microsoft Excel Solver插件解决了该模型，计算出了标准的最终权重。得到的本地标准权重见附录A.3。最后，通过将附录A.3中给出的主要标准权重与子标准的本地权重相乘，得到了最终的标准权重。结果见表1。
**表1. 标准权重。**
**5.2.** 提出模型的结果**
六位决策者使用十六个标准评估了四个备选方案，见表2。
**表2. 用于评估标准和备选方案的模糊尺度（Rakhmangulov等人，2019）**
语言术语
绝对低（AL）（1, 1, 1）
非常低（VL）（1, 2, 3）
低（L）（2, 3, 4）
中等低（ML）（3, 4, 5）
相等（E）（4, 5, 6）
中等高（MH）（5, 6, 7）
高（H）（6, 7, 8）
非常高（VH）（7, 8, 9）
绝对高（AH）（8, 9, 9）
与上述备选方案相关的评估结果以表格形式列在附录A.4中。
使用附录A.2和A.4中的信息，根据方程（2）和方程（3）得出了初始矩阵。结果矩阵条目见表3。
**表3. 初始矩阵。**
**C1** | **A1** | **A2** | **A3** | **A4**
|--------|------|------|------|
| 6.67, 7.67, 8.5| 7.67, 8.67, 8.83| 3, 4, 5 | 1.17, 1.35, 1.54|
| 5.67, 6.67, 7.67| 6.5, 7.5, 8.5| 4.84, 5.84, 6.84| 1.35, 2.34, 3.34|
| 7, 8, 8.83| 7, 8, 8.67| 4.34, 5.34, 6.34| 2, 3, 4 |
| 5.84, 6.84, 7.84| 7.5, 8.5, 8.83| 5.17, 6.17, 7.17| 1.35, 2.34, 3.34|
| 5.84, 6.84, 7.84| 6.5, 7.5, 8.33| 5, 6, 7 | 2.5, 3.5, 4.5 |
| 4.67, 5.67, 6.67| 5, 6, 7 | 5.67, 6.67, 7.67| 3.34, 4.33, 5.33 |
| 6, 7, 8 | 6.5, 7.5, 8.5| 5.67, 6.67, 7.67| 2.17, 3.17, 4.17 |
| 5.67, 6.67, 7.67| 7.17, 8.17, 8.83| 3.67, 4.67, 5.67| 1.35, 2.34, 3.34 |
| 6, 7, 8 | 6.33, 7.33, 8.33| 5.33, 6.33, 7.33| 2.83, 3.83, 4.83 |
| 6, 7, 8 | 6.17, 7.17, 8 | 4.01, 5.01, 6 | 2.17, 3.17, 4.17 |
| 5.67, 6.67, 7.67| 5.5, 6.5, 7.5| 7.34, 8.34, 8.67| 2.67, 3.67, 4.67 |
| 6.17, 7.17, 8.17| 6.5, 7.5, 8.5| 4.01, 5.01, 6 | 2.5, 3.5, 4.5 |
| 5.67, 6.67, 7.67| 4.51, 5.51, 6.51| 5, 6, 7 | 2.83, 3.83, 4.83 |
| 5.84, 6.84, 7.84| 5.67, 6.67, 7.67| 3.67, 4.67, 5.67| 2.34, 3.34, 4.33 |
| 7, 8, 8.83| 6.84, 7.84, 8.67| 4.67, 5.67, 6.67| 2.5, 3.5, 4.5 |
| 6.17, 7.17, 8.17| 6.5, 7.5, 8.5| 4.01, 5.01, 6 | 2.5, 3.5, 4.5 |
使用表3中的数据，根据方程（4）计算了每个标准的备选方案聚合分数。这些值见表4。
**表4. 聚合分数值。**
**备选方案** | **C1** | **C2** | **C3** | **C4** | **C5** | **C6** | **C7** | **C8** | **C9** | **C10** | **C11** | **C12** | **C13** | **C14** | **C15** | **C16**
|--------|------|------|------|------|------|------|------|------|------|------|------|------|------|
| A1** | 17.64 | 6.67 | 7.97 | 6.84 | 6.84 | 5.67 | 7.00 | 6.67 | 7.00 | 6.67 | 7.00 | 7.14 | 6.67 | 6.84 | 7.97 | 7.17 |
| A2** | 8.53 | 7.50 | 7.95 | 8.39 | 7.47 | 6.00 | 7.50 | 8.11 | 7.33 | 7.14 | 6.50 | 6.17 | 5.51 | 6.67 | 7.81 | 7.50 |
| A3** | 4.00 | 5.84 | 5.34 | 6.17 | 6.00 | 6.67 | 6.67 | 4.67 | 6.33 | 5.01 | 8.22 | 6.17 | 6.00 | 4.67 | 5.67 | 5.01 |
| A4** | 1.35 | 2.34 | 3.00 | 2.34 | 3.50 | 4.33 | 3.17 | 2.34 | 3.83 | 3.17 | 3.67 | 3.34 | 3.83 | 3.34 | 3.50 | 3.50 |
通过方程（5）、（6）、（7）以及表4的帮助计算了归一化值。这些归一化值见表5。
**表5. 归一化值。**
**备选方案** | **C1** | **C2** | **C3** | **C4** | **C5** | **C6** | **C7** | **C8** | **C9** | **C10** | **C11** | **C12** | **C13** | **C14** | **C15** | **C16**
|--------|------|------|------|------|------|------|------|------|------|------|------|------|------|
| A1** | 10.90 | 0.89 | 1.00 | 0.81 | 0.91 | 0.76 | 0.45 | 0.82 | 0.95 | 0.98 | 0.81 | 1.00 | 0.57 | 0.49 | 0.44 |
| A2** | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 0.72 | 0.42 | 1.00 | 1.00 | 1.00 | 0.79 | 0.86 | 0.70 | 0.50 | 0.45 | 0.47 |
| A3** | 0.47 | 0.78 | 0.67 | 0.74 | 0.80 | 0.65 | 0.48 | 0.58 | 0.86 | 0.70 | 1.00 | 0.86 | 0.64 | 0.71 | 0.62 | 0.70 |
| A4** | 0.16 | 0.31 | 0.38 | 0.28 | 0.47 | 1.00 | 1.00 | 1.00 | 0.29 | 0.52 | 0.44 | 0.45 | 0.47 | 1.00 | 1.00 | 1.00 |
通过方程（8）使用表2中的标准权重和表5中的数据，获得了十二个标准的备选方案的加权归一化分数。结果见表6。
**表6. 加权归一化值。**
**空白单元格** | **C1** | **C2** | **C3** | **C4** | **C5** | **C6** | **C7** | **C8** | **C9** | **C10** | **C11** | **C12** | **C13** | **C14** | **C15** | **C16**
|--------|------|------|------|------|------|------|------|------|------|------|------|------|
| A1** | 10.09 | 0.05 | 0.16 | 0.04 | 0.03 | 0.03 | 0.05 | 0.02 | 0.04 | 0.02 | 0.03 | 0.02 | 0.01 |
| A2** | 1.00 | 0.06 | 0.16 | 0.05 | 0.10 | 0.03 | 0.03 | 0.06 | 0.02 | 0.08 | 0.04 | 0.05 | 0.03 | 0.02 |
| A3** | 0.05 | 0.04 | 0.11 | 0.04 | 0.08 | 0.03 | 0.03 | 0.02 | 0.06 | 0.05 | 0.02 | 0.04 | 0.03 | 0.02 |
| A4** | 0.02 | 0.02 | 0.06 | 0.01 | 0.05 | 0.05 | 0.06 | 0.02 | 0.01 | 0.04 | 0.02 | 0.04 | 0.02 |
使用表6中的数据，通过方程（9）、（10）、（11）、（12）确定了正理想解和负理想解。结果见表7。
**表7. 备选方案的理想正负解值。**
**标准** | **A1** | **A2** | **A3** | **A4**
|--------|------|------|------|
| C1** | 10.00 | 0.00 | 0.00 | 0.00 | 28 |
| C2** | 0.00 | 0.00 | 0.00 | 0.00 | 15 |
| C3** | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 28 |
| C4** | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 12 |
| C5** | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 28 |
| C6** | 0.00 | 0.01 | 0.00 | 0.00 | 0.00 | 20 |
| C7** | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 28 |
| C8** | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 13 |
| C9** | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 19 |
| C10** | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 1 |
| C11** | 0.00这些指标在国际品牌建设和消费者认知中发挥着重要作用（Ghosh等人，2025年）。当企业优先考虑这些策略时，它们可以在由移民、社交网络和区域贸易动态塑造的新全球市场中提高竞争力（Elo等人，2025年；Costa，2022年）。正如Verbeke等人（2025年）所指出的，近期出现了向区域跨国企业发展的趋势。在这方面，注重可持续性的投资可以在监管多样化和制度动荡的国际和国内市场中支持企业的竞争力。此外，研究结果促使我们从两个互补的维度来讨论可能的政策措施：主动干预与被动干预，以及基于激励的措施与保护性措施。对可再生能源基础设施的投资、长期的监管路线图以及对绿色供应链整合的支持是基础设施层面的主动政策，使企业能够提前战略性地投资于可持续性和竞争力。另一方面，短期补贴或临时保护是被动政策，有助于企业应对即时冲击。然而，这些防御性策略会对风险管理产生负面影响。绿色融资计划、税收抵免和创新补助是基于激励的机制，鼓励企业进行长期导向的可持续性投资。结果表明，这些基于激励的机制比以保护为导向的措施更能有效降低企业面对不确定性的脆弱性。
这些结果可以与不同类型的股东相关联。因此，建议企业积极采取可持续性措施，以增强在不确定性下的韧性及长期竞争力。监管机构和政策制定者应优先考虑稳定、长期导向的监管框架和基于激励的机制，以鼓励企业采取战略性而非防御性的行为。金融机构和投资者可以设定具有可持续性和韧性目标的贷款标准、认证计划和投资基准，从而增强企业在整个行业的长期韧性和竞争力。
6.3 研究的局限性及研究空白
尽管关于可持续性、不确定性和竞争力的文献日益增多，但目前仍缺乏评估最佳战略组合的实用模型，而不仅仅是单一的可持续性行动。本研究通过将问题具体化为多标准决策模型（MCDM），并在不确定性下提供了四种竞争性战略选择的结构性评估，填补了这一空白。然而，研究的以下局限性为未来的研究指明了方向：
- 模型的构建依赖于领域内专家的评估（四名专家负责标准权重确定，六名专家负责替代方案选择），但这可能无法完全反映不同行业甚至国家股东观点的多样性。较大的数据集，特别是包括政策制定者、非政府组织或金融行业专家的数据，可以改善标准和替代方案的权重设定。
- 该模型通过设计的案例情景进行说明，虽然提高了模型的清晰度并展示了其可复制性，但限制了其在不同行业或受监管多样性影响的不同地区的普遍适用性（Hitt等人，2021年；Verbeke等人，2025年）。
- 模型间接考虑了特定行业的法规，如出口商的碳边境关税（CBAM）和制造商的ISO要求，但并未针对行业层面或地区特定约束自定义策略（Butollo等人，2025年；Costa，2022年）。
- 本研究提出的模型提供了企业在不确定性下的静态行为评估，但实际上地缘政治冲击、技术颠覆和监管变化是动态发展的。关于金融风险（Dugbartey，2025年）和实物期权（Smit，2025年）的研究强调了可持续性决策的时间性和路径依赖性，这些在静态模型中可能无法完全体现。此外，四个主要标准对各种限制进行了综合分类，而在实际中，可持续性、竞争力、创新和财务韧性往往是相互影响的。例如，数字化同时影响供应链的韧性和创新能力。未来的工作可以结合模糊决策试验与评估实验室（DEMATEL）或基于网络的MCDM模型来捕捉这些相互依赖性。
尽管上述维度的发现具有案例特异性，但该方法论和模型可以适应不同的国家、地区或行业。标准集、标准权重和替代方案的定义应重新校准，以反映特定的监管框架、市场条件和技术水平。未来的研究可以使用本地化的专家观点和数据来应用该框架，而不改变其核心方法论结构。
**结论**
本研究提供了一个多标准决策框架，用于评估和优先考虑企业在不确定性下的可持续性导向的战略投资。模糊Einstein TOPSIS方法和模糊CoCoSo方法确定可再生能源整合是平衡环境关切、企业竞争力和财务稳定性的最佳选择，其次是绿色供应链投资和数字化以实现资源优化。研究结果表明，在日益波动和区域化的市场中，积极的可持续性投资具有战略重要性。虽然这项研究从理论上分析了企业在不确定性下的战略行为，但它提供了一个实用工具，帮助管理者构建最优投资组合。在方法论上，所提出的模型通过结合标准权重和FUCOM方法为文献做出了贡献。同时，它还通过模糊Einstein TOPSIS进行了比较分析。所提出的模型嵌入了环境、经济、战略和基于风险的标准，填补了文献中的方法论空白。该框架为决策者提供了一个实用工具，可以适应不同的行业、地区和监管环境。未来的研究可以将该框架应用于实际的企业级数据集，并且行业特定的比较研究有助于弥补文献中的空白。此外，将动态和纵向决策标准纳入分析可以进一步丰富相关文献。
**作者贡献声明**
Bartu Güneri：撰写——初稿、资源、方法论、调查
Caner Arslan：撰写——审阅与编辑、方法论
Mehtap Işık：撰写——初稿、验证、数据整理、概念化
Muhammet Deveci：撰写——审阅与编辑、验证、方法论
**未引用的参考文献**
Os Reis Cardillo和Basso，2025年；Gökler，2024年；Khazaelpour和Zolfani，2024年；Sałabun等人，2025年；Sun和Abdullahi Usman，2025年。
**利益冲突声明**
作者声明没有已知的财务利益冲突或个人关系可能影响本文所述的工作。
打赏
