李 楊 馬錫媛 (華北理工大學(xué)建筑工程學(xué)院,河北 唐山 063210)
社會(huì)信用在促進(jìn)國(guó)民經(jīng)濟(jì)發(fā)展、社會(huì)進(jìn)步和人民生活改善中的重要性愈發(fā)凸顯,國(guó)務(wù)院明確指出推進(jìn)建筑業(yè)信用體系建設(shè)是當(dāng)前社會(huì)信用體系建設(shè)中的重點(diǎn)內(nèi)容,開展建筑施工企業(yè)信用評(píng)價(jià)是政府監(jiān)管建筑業(yè)信用的有效措施。信用評(píng)價(jià)方法的選擇是建筑施工企業(yè)信用評(píng)價(jià)的核心,評(píng)價(jià)方法應(yīng)用結(jié)果能夠?yàn)檎O(jiān)管建筑施工企業(yè)信用提供決策依據(jù),進(jìn)一步提升政府監(jiān)管效能。
目前國(guó)內(nèi)外學(xué)者對(duì)于建筑施工企業(yè)信用評(píng)價(jià)研究常用的評(píng)價(jià)方法有AHP-熵權(quán)法、物元評(píng)價(jià)法和熵權(quán)法結(jié)合、模糊層次分析法和模糊綜合評(píng)價(jià)法結(jié)合、BP 神經(jīng)網(wǎng)絡(luò)或序關(guān)系-BP 神經(jīng)網(wǎng)絡(luò)、灰色聚類、主成分分析和層次分析法結(jié)合[1-7]等?,F(xiàn)存評(píng)價(jià)方法在指標(biāo)權(quán)重確定上具有一定的主觀隨意性,無(wú)法有效處理建筑施工企業(yè)信用評(píng)價(jià)指標(biāo)眾多導(dǎo)致的高維數(shù)據(jù)問(wèn)題。為提升政府對(duì)建筑施工企業(yè)信用的監(jiān)管能力,構(gòu)建基于政府監(jiān)管視角的建筑施工企業(yè)信用評(píng)價(jià)指標(biāo)體系,創(chuàng)新性地應(yīng)用基于螢火蟲算法的投影尋蹤分類(FA-PPC)和最優(yōu)分割方法建立建筑施工企業(yè)信用評(píng)價(jià)模型,通過(guò)降維解決主觀賦權(quán)和傳統(tǒng)遺傳算法早熟收斂、計(jì)算量大、參數(shù)設(shè)置復(fù)雜的問(wèn)題。
本文從政府監(jiān)管視角出發(fā),遵循指標(biāo)的針對(duì)性、可獲性、綜合性、定量與定性相結(jié)合等原則,梳理相關(guān)文獻(xiàn)[8-11],構(gòu)建包含定量指標(biāo)和定性指標(biāo)的建筑施工企業(yè)信用評(píng)價(jià)指標(biāo)體系,見表1。
表1 建筑施工企業(yè)信用評(píng)價(jià)指標(biāo)體系
投影尋蹤分類(PPC)[12-13]算法是用來(lái)分析和處理高維數(shù)據(jù)的一類數(shù)據(jù)統(tǒng)計(jì)方法,該方法將高維數(shù)據(jù)轉(zhuǎn)換到低維空間進(jìn)行處理,在低維空間上尋找最佳投影方向從而到達(dá)到研究高維數(shù)據(jù)特征和結(jié)果的目的。螢火蟲算法(FA)[14]是一種通過(guò)模擬螢火蟲的發(fā)光行為進(jìn)行全局尋優(yōu)的智能隨機(jī)算法,在優(yōu)化PPC 模型中的投影目標(biāo)函數(shù)相比其他優(yōu)化算法效果更好。Fisher 最優(yōu)分割[15]是針對(duì)有序樣品進(jìn)行分割的一種數(shù)學(xué)聚類方法,該方法以段內(nèi)樣本間相似性最大、段間相似性最小為原則,并以各分段總離差平方和最小為依據(jù)劃分樣本最優(yōu)分段。本文運(yùn)用FA-PPC得到企業(yè)樣本的投影值,將投影值進(jìn)行優(yōu)劣排序生成有序樣本;利用最優(yōu)分割對(duì)有序樣本進(jìn)行最優(yōu)化分段,實(shí)現(xiàn)對(duì)企業(yè)樣本的信用分級(jí)。基于FA-PPC 最優(yōu)分割的建筑施工企業(yè)信用評(píng)價(jià)模型具體計(jì)算步驟如下。
為保證各評(píng)價(jià)指標(biāo)值量綱的一致性,對(duì)樣本中的各項(xiàng)評(píng)價(jià)指標(biāo)值進(jìn)行預(yù)處理。 設(shè)各指標(biāo)值的樣本集為{x?(i, j )| i=1,2,...,n;j=1,2,...,p },其中x?(i, j )為第i 個(gè)樣本、第j個(gè)評(píng)價(jià)指標(biāo)值,n、p 分別為樣本容量和指標(biāo)數(shù)目,采用下式進(jìn)行指標(biāo)值歸一化處理:
式中:xmin( j )、xmax( j )分別為樣本集中第j 個(gè)最小值和最大值;x( i,j )為歸一化后的第i個(gè)樣本、第j個(gè)評(píng)價(jià)指標(biāo)值。
將 p 維 數(shù) 據(jù){ x*( i,j )| j=1,2,...,p }綜 合 成 a={a(1),a(2),...a( p) }為投影方向的一維投影值z(mì)( i )。
式中:a為單位長(zhǎng)度向量。
在投影時(shí),要求投影值z(mì)(i)散布程度為整體盡可能分散,而局部盡可能密集的形態(tài),因此投影指標(biāo)函數(shù)可表達(dá)為:
式中:Sz為投影值z(mì)(i)的標(biāo)準(zhǔn)差;Dz為z(i)的局部密度;Ez為 z(i) 的 期 望;r( i,j )表 示 樣 本 之 間 的 距 離,r( i,j )= |z(i)-z(i) |;R 為局部密度的窗口半徑,可取0.1Sz;u( R-r(i,j) )為單位階躍函數(shù),當(dāng)R-r(i,j)≥0 時(shí),其函數(shù)值為1,而當(dāng)R-r(i,j)<0時(shí),其函數(shù)值為0。
當(dāng)給定各指標(biāo)值的樣本集時(shí),投影方向變化,則投影指標(biāo)函數(shù)也隨之變化。投影方向不同,反映的信用評(píng)價(jià)指標(biāo)數(shù)據(jù)結(jié)構(gòu)特征也不同,最佳投影方向就是最大程度展現(xiàn)高維數(shù)據(jù)某類特征結(jié)構(gòu)的投影方向。因此,求解最佳投影方向優(yōu)化問(wèn)題可以轉(zhuǎn)化為求解最大化投影指標(biāo)函數(shù)問(wèn)題。
上述是一個(gè)以{ a( j)| j=1,2,...,p }為優(yōu)化變量復(fù)雜非線性優(yōu)化問(wèn)題,應(yīng)用螢火蟲算法(FA)來(lái)解決該全局尋優(yōu)問(wèn)題。
把由3.4 求得的最佳投影方向a*代入式( 3 )后即得企業(yè)樣本的投影值z(mì)*( i );其次將z*( i )值按從大到小進(jìn)行排序,得到企業(yè)樣本的優(yōu)劣排序。
首先定義:
有優(yōu)化問(wèn)題:
本文選取了國(guó)內(nèi)5 家上市建筑施工企業(yè)作為樣本,定量指標(biāo)數(shù)據(jù)來(lái)源于天眼查、建設(shè)通、銳思數(shù)據(jù)庫(kù),定性指標(biāo)由施工企業(yè)資深代表和政府部門的領(lǐng)域?qū)<夜? 人采用五分制打分,然后經(jīng)過(guò)算術(shù)平均匯總得到定性指標(biāo)最終評(píng)價(jià)結(jié)果。本文采用Matlab為模型的運(yùn)算平臺(tái),表1中除了產(chǎn)權(quán)比率、行政處罰記錄、被執(zhí)行記錄為逆向指標(biāo),其余均為正向指標(biāo)。在FA 優(yōu)化過(guò)程中,參數(shù)設(shè)置如下:種群規(guī)模N=200,最大迭代次數(shù)T =500, 初始迭代步長(zhǎng)a=0.25,最大吸引度β=1,光強(qiáng)吸收系數(shù)γ=1;在最優(yōu)分割中,令K =3,即分為3類。
3.2.1 最佳投影方向分析
最佳投影方向a*反映了各評(píng)價(jià)指標(biāo)對(duì)建筑施工企業(yè)信用評(píng)價(jià)的影響程度,a*值越大,表示對(duì)建筑施工企業(yè)信用評(píng)價(jià)的影響程度越大。根據(jù)各一級(jí)指標(biāo)的最佳投影方向(表1),可知經(jīng)濟(jì)償付能力A4對(duì)建筑施工企業(yè)信用評(píng)價(jià)影響程度最大,綜合素質(zhì)能力A1對(duì)建筑施工企業(yè)信用評(píng)價(jià)影響程度最小,可見經(jīng)濟(jì)償付能力A4是建筑施工企業(yè)信用評(píng)價(jià)的最關(guān)鍵構(gòu)成因素。因此,政府應(yīng)將其作為監(jiān)管建筑施工企業(yè)信用的核心內(nèi)容,建筑施工企業(yè)也應(yīng)將其作為信用建設(shè)的工作重點(diǎn)。
3.2.2 投影值分析
5 家企業(yè)信用各分項(xiàng)投影值和綜合評(píng)價(jià)投影值見表2。投影值是由建筑施工企業(yè)信用評(píng)價(jià)指標(biāo)原始數(shù)據(jù)直接驅(qū)動(dòng)形成的,計(jì)算出的投影值越大,說(shuō)明該建筑施工企業(yè)的信用水平越高,反之則越低。由表2 可知建筑施工企業(yè)各分項(xiàng)投影值揭示了建筑施工企業(yè)信用發(fā)展的因素差異,不僅實(shí)現(xiàn)了對(duì)行業(yè)內(nèi)各建筑施工企業(yè)信用發(fā)展水平的橫向?qū)Ρ龋€可以實(shí)現(xiàn)建筑施工企業(yè)內(nèi)部信用指標(biāo)數(shù)據(jù)的縱向?qū)Ρ?,從而評(píng)判建筑施工企業(yè)信用發(fā)展?fàn)顩r和行業(yè)信用發(fā)展平均水平,尋找建筑施工企業(yè)信用發(fā)展的“優(yōu)勢(shì)”和“短板”實(shí)行更加精準(zhǔn)的監(jiān)管。從整體看5家企業(yè)信用綜合評(píng)價(jià)的排名與經(jīng)濟(jì)償付能力排名相同,說(shuō)明經(jīng)濟(jì)償付能力可以很好地反映建筑施工企業(yè)的信用水平。經(jīng)濟(jì)償付能力體現(xiàn)了企業(yè)的短期支付能力和長(zhǎng)期支付能力,若企業(yè)經(jīng)濟(jì)償付能力不足,會(huì)導(dǎo)致企業(yè)延期支付風(fēng)險(xiǎn)和壞賬損失,使得企業(yè)信用水平較差。
表2 建筑施工企業(yè)信用評(píng)價(jià)結(jié)果
3.2.3 建筑施工企業(yè)信用等級(jí)評(píng)價(jià)
將投影值進(jìn)行優(yōu)劣排序,采用最優(yōu)分割法對(duì)5 家企業(yè)進(jìn)行合理的分類。本文選取K=3,即將樣本分為1、2、3三個(gè)等級(jí),5家企業(yè)的投影值排序以及分類結(jié)果見表3。甲的信用評(píng)價(jià)等級(jí)最高,其原因是甲在經(jīng)濟(jì)償付能力上發(fā)展優(yōu)勢(shì)凸顯,4.2.1結(jié)論“經(jīng)濟(jì)償付能力是建筑施工企業(yè)信用評(píng)價(jià)的最關(guān)鍵構(gòu)成因素”得到了驗(yàn)證。丙的信用等級(jí)較低說(shuō)明其經(jīng)濟(jì)償付能力發(fā)展滯后,還有很大的提升空間和發(fā)展?jié)摿Α?/p>
表3 樣本投影值排序及分類結(jié)果
本文直接采用數(shù)據(jù)驅(qū)動(dòng)的方法構(gòu)建了基于FA-PPC 最優(yōu)分割的建筑施工企業(yè)信用評(píng)價(jià)模型,該模型可有效消除主觀確認(rèn)指標(biāo)權(quán)重的問(wèn)題,解決我國(guó)信用數(shù)據(jù)具有高維、非線性和非正態(tài)等特點(diǎn)的問(wèn)題,具有模型簡(jiǎn)便、適用性強(qiáng)的特點(diǎn)。通過(guò)案例分析,證明該方法科學(xué)有效,可以科學(xué)合理的評(píng)價(jià)建筑施工企業(yè)信用實(shí)際狀況。
該模型的最佳投影方向揭示了建筑施工企業(yè)信用評(píng)價(jià)指標(biāo)對(duì)企業(yè)信用的影響程度;各分項(xiàng)投影值反映了企業(yè)的“優(yōu)勢(shì)”和“短板”;通過(guò)對(duì)投影值進(jìn)行優(yōu)劣排序?qū)崿F(xiàn)企業(yè)信用分類,科學(xué)合理的評(píng)價(jià)了施工企業(yè)的信用等級(jí),為政府對(duì)建筑施工企業(yè)信用監(jiān)管提供了決策依據(jù)。
通過(guò)對(duì)所構(gòu)建的模型應(yīng)用結(jié)果進(jìn)行分析,各評(píng)價(jià)指標(biāo)對(duì)建筑施工企業(yè)信用評(píng)價(jià)影響程度和企業(yè)信用評(píng)價(jià)分類結(jié)果與實(shí)際調(diào)查的結(jié)果具有很好的一致性,表明FA-PPC最優(yōu)分割模型分析建筑施工企業(yè)信用水平是行之有效的。