Investigating towards the sustainable green marketing environment of readymade apparel industries: A structural equation modelling approach
Notice bibliographique
Résumé
Green marketing (GM) has frequently been seen as a prevalent phenomenon influencing companies' operations and functions. This article analyses GM techniques in India's ready-made apparel (RMA) industry by presenting a trio of viewpoints on the subject. It offers a systematic framework for the factors impacting the use of green marketing techniques. GM practices are evaluated regarding the impact on the environment, society, and the economy. Partial least square-structural equation modelling (PLS-SEM) is used to conduct empirical tests of the framework, focusing on data collected from a survey that evaluates eco-friendly marketing practices. The results show that environmental, social, and economic factors are beneficially interconnected. When assessing GM practice, the PLS-SEM estimation shows that the relationship between economic and environmental sustainability has a significant proportion of values. However, more data on RMA industries' environmental and social effects must be collected. Additionally, according to the results of the PLS-SEM model, there are considerable differences between actual and expected GM adoption developments and perspectives among various industrial firms, particularly for managing waste and pollution of water. Given the nation's rapid socio-economic growth and technical improvement, social-level performance has minimal impact on GM strategy for RMA industries. Moreover, the research makes some recommendations emphasizing the discovered model's component in motivating commercial organizations to get involved in socio-economic activities that promote the environment, changing the focus of prospective GM areas of study.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».