工程質(zhì)檢機(jī)構(gòu)信用評(píng)估指標(biāo)體系構(gòu)建

龔鑫蒙， 蘇義坤

(東北林業(yè)大學(xué)土木工程學(xué)院， 哈爾濱 150040)

2017年住房與城鄉(xiāng)建設(shè)部頒布了《建筑市場(chǎng)信用管理暫行辦法》，建筑業(yè)的信用建設(shè)被擺放到了突出位置[1]。在工程建設(shè)領(lǐng)域中，項(xiàng)目的實(shí)施往往牽扯眾多的利益相關(guān)主體，比如建設(shè)單位、施工單位、監(jiān)理單位、勘察設(shè)計(jì)單位以及材料供應(yīng)方等等，因此一向是失信爆發(fā)的集中區(qū)[2]。而由各個(gè)利益相關(guān)方的失信行為造成建筑物嚴(yán)重質(zhì)量問題的案例更是不計(jì)其數(shù)[3]。作為建筑質(zhì)量的重要保障，工程質(zhì)量檢測(cè)機(jī)構(gòu)的信用缺失或?qū)⒓由罱ㄖ锏馁|(zhì)量危機(jī)，從而威脅著廣大人民群眾的生命和財(cái)產(chǎn)安全[4]。因此十分有必要對(duì)工程質(zhì)量檢測(cè)機(jī)構(gòu)的信用水平進(jìn)行評(píng)估，從而保證質(zhì)檢機(jī)構(gòu)的誠信檢測(cè)，進(jìn)而更好地保障建筑物的品質(zhì)水平。

近年來，國內(nèi)外學(xué)者對(duì)信用評(píng)估的相關(guān)研究主要集中在兩個(gè)方面：一是關(guān)于對(duì)研究對(duì)象的信用評(píng)估指標(biāo)體系的構(gòu)建。Rao等[5]為了減少借貸行業(yè)中投資者的風(fēng)險(xiǎn)，而開展對(duì)借貸者信用風(fēng)險(xiǎn)指標(biāo)體系的研究。首先，基于文獻(xiàn)梳理選取初步的指標(biāo)體系；接著采用計(jì)算指標(biāo)體系的不平衡值的濾波方法來對(duì)指標(biāo)進(jìn)行篩選；最后通過啟發(fā)式搜索算法過濾特征子集的Lasso-logistic方法對(duì)優(yōu)化篩選后的指標(biāo)體系進(jìn)行實(shí)證檢驗(yàn)。Li等[6]基于非參數(shù)貝葉斯判別模型和參數(shù)貝葉斯判別模型來分別建立對(duì)小型企業(yè)的信用評(píng)估的指標(biāo)體系，并通過受試者工作特征(receiver operating characteristic,ROC)曲線來檢驗(yàn)兩種建立指標(biāo)體系的判別精度水平。王慧敏等[7]通過文獻(xiàn)研究、整體分析與專家訪談的方法建立了對(duì)建筑企業(yè)標(biāo)準(zhǔn)化能力評(píng)價(jià)的指標(biāo)體系，通過統(tǒng)計(jì)分析的方法驗(yàn)證了指標(biāo)體系的協(xié)同作用的相關(guān)性，最后通過實(shí)際案例的實(shí)證分析驗(yàn)證了指標(biāo)體系的合理性以及評(píng)估模型的科學(xué)性；二是關(guān)于對(duì)信用評(píng)估模型方法的審視。對(duì)于信用評(píng)估模型建立的方法基本統(tǒng)共有三大類，即分別為數(shù)理統(tǒng)計(jì)類方法、機(jī)器或深度學(xué)習(xí)類方法和基于不確定性數(shù)學(xué)理論的方法[8]。數(shù)理統(tǒng)計(jì)學(xué)類方法主要是在大量隨機(jī)現(xiàn)象的基礎(chǔ)上研究其中的規(guī)律。Wang等[9]通過對(duì)PPP(public-private partnership)模式下的信用風(fēng)險(xiǎn)的研究提出了修正的Credit Metrics模型和蒙特卡羅模擬的方法，對(duì)融資信用風(fēng)險(xiǎn)的違規(guī)概率進(jìn)行評(píng)估，有效分析了銀行在不同還款計(jì)劃的和風(fēng)險(xiǎn)偏好對(duì)評(píng)估的風(fēng)險(xiǎn)影響。Wu等[10]通過定性與定量的方法，從多維度來建立對(duì)個(gè)人信用評(píng)估的指標(biāo)體系，并基于層次分析的方法構(gòu)建對(duì)個(gè)人信用評(píng)級(jí)的模型，實(shí)證分析的結(jié)果表明評(píng)價(jià)模型能夠滿足要求和交易的特點(diǎn)。其次是機(jī)器學(xué)習(xí)類的評(píng)估模型的方法。隨著大數(shù)據(jù)、智能化相關(guān)專業(yè)的飛速發(fā)展，近年來，管理科學(xué)的有關(guān)方向和問題的研究越來越多的結(jié)合著機(jī)器學(xué)習(xí)的方法，比如神經(jīng)網(wǎng)絡(luò)和改進(jìn)的神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林、多智能集成學(xué)習(xí)等[8]。利用機(jī)器學(xué)習(xí)進(jìn)行信用評(píng)估的方法智能化水平較高，但其經(jīng)濟(jì)解釋卻較差。Chen等[11]基于BP(back propogation)神經(jīng)網(wǎng)絡(luò)的方法構(gòu)建了個(gè)人信用評(píng)估模型，通過對(duì)權(quán)值調(diào)整方法的對(duì)比，證明了BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型具有良好的魯棒性。Oreski等[12]根據(jù)數(shù)據(jù)挖掘技術(shù)，提出了遺傳-神經(jīng)網(wǎng)絡(luò)的混合算法，有效提高了分類精讀和可擴(kuò)展性，同時(shí)也擴(kuò)展了信用評(píng)估模型的方法。Xie等[13]基于支持向量機(jī)和物流回歸的方法首先提出信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，接著在此基礎(chǔ)之上建立綜合評(píng)價(jià)模型，擴(kuò)展了中小企業(yè)的風(fēng)險(xiǎn)評(píng)估理論。最后是關(guān)于不確定性數(shù)學(xué)模型方法，包括模糊綜合評(píng)價(jià)、灰色系統(tǒng)等[8]。

國內(nèi)外關(guān)于信用評(píng)估研究的成果眾多、研究方法也相當(dāng)豐富。但對(duì)于工程質(zhì)量檢測(cè)機(jī)構(gòu)為研究主體的信用研究尚處于空白，特別是缺乏一套可以綜合反映質(zhì)檢機(jī)構(gòu)信用水平的指標(biāo)體系。信用指標(biāo)體系是信用評(píng)估的基礎(chǔ)和先手，一套合理、系統(tǒng)的信用評(píng)估指標(biāo)體系不僅有利于信用評(píng)估的科學(xué)性[14]，同時(shí)也有利于促進(jìn)質(zhì)量檢測(cè)機(jī)構(gòu)信用水平的提升。鑒于此，現(xiàn)將構(gòu)建工程質(zhì)量檢測(cè)機(jī)構(gòu)的信用評(píng)估指標(biāo)體系，以期為工程質(zhì)量檢測(cè)機(jī)構(gòu)的信用評(píng)估打下基礎(chǔ)。

1 工程質(zhì)檢機(jī)構(gòu)信用評(píng)估指標(biāo)體系構(gòu)建的原則和邏輯流程

1.1 工程質(zhì)檢機(jī)構(gòu)信用評(píng)估指標(biāo)體系構(gòu)建原則

指標(biāo)在構(gòu)建時(shí)，除了要滿足研究對(duì)象的內(nèi)涵本質(zhì)外，還應(yīng)當(dāng)是具體有效的。換句話說，比如，指標(biāo)體系一方面要滿足對(duì)研究對(duì)象的反映，另一方面也應(yīng)當(dāng)具備可操作性，否則構(gòu)建的指標(biāo)體系將是空洞的，不具現(xiàn)實(shí)效力的。也就是說，歸結(jié)起來，指標(biāo)體系的構(gòu)建需要滿足以下的原則。

1.1.1 目的性

目的性即為開展本研究的目的，目的性是統(tǒng)領(lǐng)指標(biāo)構(gòu)建的根本所在，是指標(biāo)構(gòu)建所應(yīng)遵循的第一要義。

1.1.2 完善性

在對(duì)評(píng)估對(duì)象進(jìn)行指標(biāo)的構(gòu)建時(shí)，也應(yīng)當(dāng)考慮到構(gòu)建的指標(biāo)須能夠全面、完備地反映出研究對(duì)象的所有內(nèi)容。也即反映出研究對(duì)象的主要特征和信息。

1.1.3 可測(cè)取性

選取指標(biāo)時(shí)在滿足對(duì)象一般特征的本質(zhì)后，還要具備對(duì)指標(biāo)的方便測(cè)度的條件，否則數(shù)據(jù)可能不具備信度和效度，最終將影響研究結(jié)果的準(zhǔn)確性。

1.1.4 獨(dú)立性

獨(dú)立性原則要求指標(biāo)與指標(biāo)之間應(yīng)當(dāng)互不影響，并且相互之間也不可發(fā)生融合、交叉、重疊等具有歧義性的語義。各個(gè)指標(biāo)應(yīng)當(dāng)獨(dú)立地根植在所屬的維度集合中，不應(yīng)同時(shí)具有多個(gè)維度集合的語義。

1.1.5 顯著性

顯著性的目的是為了精簡(jiǎn)指標(biāo)。也即剔除指標(biāo)體系中對(duì)研究對(duì)象的反映效力不大的指標(biāo)。

1.2 工程質(zhì)檢機(jī)構(gòu)信用評(píng)估指標(biāo)體系構(gòu)建的邏輯流程

對(duì)工程質(zhì)量檢測(cè)機(jī)構(gòu)信用評(píng)估指標(biāo)的研究是一項(xiàng)系統(tǒng)且復(fù)雜的工作，因此為了保證研究結(jié)果的科學(xué)性和研究過程的嚴(yán)謹(jǐn)性，本研究將遵循如圖1所示分析流程。

圖1 邏輯流程圖Fig.1 Logic flow chart

2 基于扎根理論的工程質(zhì)檢機(jī)構(gòu)信用評(píng)估指標(biāo)初步選取

根據(jù)復(fù)雜性系統(tǒng)理論可知，工程質(zhì)量檢測(cè)機(jī)構(gòu)的信用評(píng)估指標(biāo)構(gòu)成了一個(gè)復(fù)雜的系統(tǒng)，系統(tǒng)內(nèi)部的因素眾多。所以本研究決定使用扎根理論的方法，用來滿足指標(biāo)構(gòu)建中的完善性原則。

根據(jù)扎根理論的原理，本文中劃分了以下的研究步驟：①根據(jù)工程質(zhì)檢機(jī)構(gòu)的本質(zhì)內(nèi)涵與特征，設(shè)計(jì)問題性的調(diào)查問卷；②采用結(jié)構(gòu)化訪談的方式收集文本數(shù)據(jù)；③基于三種編碼對(duì)資料深入分析，并反復(fù)不斷地進(jìn)行總結(jié)、歸納整理以建立概念間的聯(lián)系和概念中的類屬，進(jìn)而選取與研究相關(guān)的定性指標(biāo)；④檢驗(yàn)編碼理論的飽和性。

2.1 數(shù)據(jù)獲取與訪談過程

為了獲取指標(biāo)體系構(gòu)建的原始數(shù)據(jù)，本研究選取了20位受訪對(duì)象，分別包含相關(guān)研究方向的高校教授、專家學(xué)者以及從事工程質(zhì)量檢測(cè)工作的專業(yè)員工。2021年6月12—16日課題組成員分別對(duì)其進(jìn)行了深度訪談。并在征求被采訪者同意的情況下，對(duì)本次采訪進(jìn)行錄音。訪談完成之后，訪談組成員將進(jìn)行文字的轉(zhuǎn)錄工作，根據(jù)被訪者的語言描述和肢體語言及動(dòng)作表情，來全方位地保證資料收集的原始性。轉(zhuǎn)錄后的文字資料，在經(jīng)被訪者確認(rèn)之后存檔，并帶回課題組。本次訪談中最長(zhǎng)的訪談時(shí)長(zhǎng)為50 min；最短的訪談時(shí)長(zhǎng)為16 min。所有訪談一共累積文本文字209 381字。隨機(jī)挑選出文本文字的3/4進(jìn)行編碼，1/4用于進(jìn)行理論飽和度檢驗(yàn)。

2.2 扎根編碼與指標(biāo)體系初步構(gòu)建

在扎根編碼時(shí)本文中僅展示“機(jī)構(gòu)受到的獎(jiǎng)勵(lì)/處罰”和“履約率”兩個(gè)概念化類屬，如表1所示。

表1 基于扎根理論的開放式編碼Table 1 Open coding based on grounded theory

接著對(duì)編碼的結(jié)果進(jìn)行理論飽和度檢驗(yàn)，并未發(fā)現(xiàn)有新的理論、概念出現(xiàn)，預(yù)示本次基于扎根理論的指標(biāo)初步構(gòu)建工作結(jié)束，如表2所示。

表2 工程質(zhì)量檢測(cè)機(jī)構(gòu)信用評(píng)估指標(biāo)集Table 2 Credit evaluation index set of engineering quality inspection agency

3 指標(biāo)體系篩選

由于扎根理論是定性的研究方法，主要依靠被訪談?wù)叩慕?jīng)驗(yàn)來達(dá)到指標(biāo)構(gòu)建的全面性，因此主觀性較強(qiáng)。所以，為了保證指標(biāo)構(gòu)建的客觀性，需要對(duì)初步構(gòu)建的指標(biāo)進(jìn)行定量篩選。

根據(jù)指標(biāo)構(gòu)建的原則，本研究將重點(diǎn)對(duì)初步指標(biāo)體系進(jìn)行冗余性和相關(guān)性篩選，以分別滿足指標(biāo)體系的顯著性和獨(dú)立性原則。本研究通過問卷調(diào)查的方式來進(jìn)行指標(biāo)篩選的數(shù)據(jù)收集。其中被進(jìn)行問卷調(diào)查的專家均來自于住房與城鄉(xiāng)建設(shè)部下設(shè)的國家建設(shè)工程質(zhì)量檢測(cè)中心，以及各省、直轄市、自治區(qū)及新疆生產(chǎn)建設(shè)兵團(tuán)下設(shè)的建設(shè)工程質(zhì)量監(jiān)督站。本次問卷一共發(fā)放200份，其中回收了188份，為了保證收集到的問卷的質(zhì)量，課題組成員對(duì)回收到的問卷進(jìn)行了篩選，剔除了無效問卷，最后得到有效的問卷數(shù)為179份。問卷的回收率為94%，有效回收率為95.21%。

3.1 基于信息量的指標(biāo)體系顯著性篩選

指標(biāo)的信息量是衡量某個(gè)指標(biāo)反映被評(píng)估對(duì)象特征多少的量度。根據(jù)協(xié)同學(xué)理論，對(duì)復(fù)雜系統(tǒng)的描述依靠少數(shù)核心的參數(shù)即可有效表達(dá)。也就是說，在指標(biāo)體系中，并非指標(biāo)越多越好，相反應(yīng)當(dāng)保留信息量高的核心指標(biāo)[14]。

信息熵是用于反映信息量的術(shù)語。指標(biāo)的信息熵越大就表明指標(biāo)體系中所含有的信息量越少，指標(biāo)就越不顯著，也就是說這樣的指標(biāo)體系越不利于進(jìn)行綜合評(píng)估。進(jìn)行信息熵的一般步驟如下。

假設(shè)有p個(gè)待評(píng)價(jià)對(duì)象，n個(gè)評(píng)價(jià)指標(biāo)。則第j項(xiàng)指標(biāo)的信息熵Ej可表示為

(1)

表3 各個(gè)指標(biāo)信息量計(jì)算匯總Table 3 Calculation and summary of the information volume of each indicator

3.2 基于相關(guān)分析的指標(biāo)體系篩選

通過信息量篩選后的各個(gè)指標(biāo)在重要性上不言而喻，但是對(duì)于指標(biāo)間重要程度相當(dāng)?shù)膬蓚€(gè)或多個(gè)指標(biāo)是否同時(shí)存在，也即指標(biāo)之間是否存在共線或相關(guān)性重疊的問題，還需要做進(jìn)一步地分析。

對(duì)指標(biāo)體系的相關(guān)性篩選，以保證指標(biāo)間的獨(dú)立性，最基本的是需要考慮兩點(diǎn)：①指標(biāo)體系的整體獨(dú)立，也即防止多個(gè)指標(biāo)間的共線；②指標(biāo)的兩兩獨(dú)立，也即防止兩兩指標(biāo)的共線。因此，本研究將使用病態(tài)指數(shù)循環(huán)分析法來實(shí)現(xiàn)指標(biāo)整體獨(dú)立；利用Pearson相關(guān)系數(shù)結(jié)合變異分析來實(shí)現(xiàn)指標(biāo)的兩兩獨(dú)立。具體操作步驟如下。

假設(shè)顯著性篩選后剩余n(其中n∈N+)個(gè)指標(biāo)，Ii是剩余的n個(gè)指標(biāo)中的任意一個(gè)指標(biāo)。

(1)計(jì)算ITI的特征值λ1，λ2，…，λn，計(jì)算公式為

|ITI-λjEn|=0

(2)

式(2)中：IT為I對(duì)應(yīng)指標(biāo)集的轉(zhuǎn)置矩陣；En為單位矩陣。

(2)計(jì)算指標(biāo)集的病態(tài)指數(shù)CIn，計(jì)算公式為

(3)

病態(tài)指數(shù)CIn的含義為指標(biāo)集整體的信息重疊程度。CIn越大，越表明指標(biāo)集的整體信息重疊程度越高，也就越需要進(jìn)行對(duì)某些指標(biāo)的剔除。

(3)按照上述式(2)和式(3)的方法計(jì)算剔除指標(biāo)Ii(i=1，2，…，n)后，其余n-1個(gè)指標(biāo)構(gòu)成的指標(biāo)集的病態(tài)指數(shù)，記作CI(n-1)i。

(4)計(jì)算指標(biāo)Ii的整體信息重疊貢獻(xiàn)度，計(jì)算公式為

Ci1=CIn-CI(n-1)i

(4)

式(4)中：Ci1表示刪除第i個(gè)指標(biāo)前后，指標(biāo)集信息重疊的減小幅度。Ci1越大，表示第i個(gè)指標(biāo)對(duì)指標(biāo)集的信息重疊的貢獻(xiàn)程度越大，也就是說越應(yīng)當(dāng)剔除這樣的指標(biāo)。

(5)刪除n個(gè)指標(biāo)中Ci1至最大的指標(biāo)，即

Cj1=max{Ci1|1≤i≤n}

(5)

步驟(1)～步驟(5)為第一輪篩選。一般地，如果剔除信息重疊貢獻(xiàn)度最大的指標(biāo)后，剩余n-1個(gè)指標(biāo)組成的新指標(biāo)集的病態(tài)指數(shù)不大于10，則停止篩選[14]。反之繼續(xù)依據(jù)上述步驟進(jìn)行對(duì)新指標(biāo)集進(jìn)行基于病態(tài)指數(shù)的篩選，直至最終的指標(biāo)集的病態(tài)指數(shù)不大于10為止。

基于病態(tài)指數(shù)篩選后的指標(biāo)體系在整體上已不發(fā)生共線，接下來則需要檢查指標(biāo)內(nèi)部?jī)蓛芍笜?biāo)的共線問題。

(6)假設(shè)需要考慮的有m個(gè)指標(biāo)，Qi、Qj分別表示第i個(gè)和第j個(gè)指標(biāo)，Qi,s、Qj,s分別表示第s個(gè)Qi、Qj的打分值(i，s，j∈{1,2,…，m},且i，s，j∈N)，ri,j表示第i個(gè)指標(biāo)與第j個(gè)指標(biāo)之間的相關(guān)性系數(shù)，則

(6)

接著需要進(jìn)行相關(guān)性判斷。若系數(shù)ri,j=0，則表示兩個(gè)指標(biāo)之間完全不存在相關(guān)性關(guān)系；若系數(shù)ri,j≠0，則表示被判定的兩個(gè)指標(biāo)之間存在一定程度的相關(guān)性關(guān)系。事實(shí)上，在實(shí)際的操作中，兩個(gè)指標(biāo)完全不存在相關(guān)性關(guān)系的理想狀態(tài)是幾乎不存在的。現(xiàn)實(shí)中，只要兩個(gè)指標(biāo)的相關(guān)系數(shù)不超過一個(gè)臨界值，那么就認(rèn)為這兩個(gè)指標(biāo)是不具有相關(guān)關(guān)系；如果兩個(gè)指標(biāo)的相關(guān)性系數(shù)超過了某一臨界值，那么就認(rèn)為其具有相關(guān)關(guān)系，則兩者須取其一。通常這個(gè)臨界值Z被指定為0.7[16]。

然后利用變異分析來決定剔除兩個(gè)相關(guān)指標(biāo)中的某一個(gè)。

(7)計(jì)算第i個(gè)指標(biāo)的變異系數(shù)cvi。則

(7)

式(7)中：cvi表示第i個(gè)指標(biāo)取值的離散程度，一般地，cvi越大，則表示第i個(gè)指標(biāo)越重要，越應(yīng)保留。相關(guān)性篩選的計(jì)算結(jié)果如表4、表5所示。其中整體相關(guān)性篩選刪除指標(biāo)I96，兩兩相關(guān)性篩選刪除指標(biāo)I17、I27、I28、I63和I95。

表4 基于病態(tài)指數(shù)的指標(biāo)篩選Table 4 Index screening based on illness index

表5 基于相關(guān)性系數(shù)與變異系數(shù)的指標(biāo)篩選Table 5 Index screening based on correlation coefficient and variation coefficient

4 指標(biāo)體系的合理性檢驗(yàn)

(1)本研究利用獨(dú)立信息波動(dòng)賦權(quán)法來進(jìn)行指標(biāo)的合理性檢驗(yàn)。經(jīng)過篩選和優(yōu)化后的指標(biāo)體系若能反映出初步構(gòu)建的指標(biāo)體系的大部分信息量，則認(rèn)為最終的指標(biāo)體系是合理的。具體的操作步驟如下。

計(jì)算各個(gè)指標(biāo)的標(biāo)準(zhǔn)差系數(shù)，公式為

(8)

(9)

(3)分別對(duì)各個(gè)指標(biāo)的標(biāo)準(zhǔn)差系數(shù)Vj和獨(dú)立信息比率Dj進(jìn)行歸一化處理，得到V′j和D′j。接著分別計(jì)算各個(gè)指標(biāo)的純信息量，其中

j=1, 2,…，n

(10)

(4)計(jì)算各個(gè)指標(biāo)的權(quán)重為

(11)

(5)計(jì)算初步構(gòu)建的指標(biāo)體系中，篩選優(yōu)化后的各個(gè)指標(biāo)的權(quán)重之和W，若W≥85%[15]，則表明最終的指標(biāo)體系可以反映初步指標(biāo)體系的信息量。

根據(jù)步驟①～步驟⑤，最后計(jì)算出最終指標(biāo)體系的權(quán)重值和W=0.906，這表明通過篩選后的指標(biāo)體系不僅滿足獨(dú)立性和顯著性，并且也是足夠合理的。

5 結(jié)論

本文中綜合運(yùn)用了扎根理論、信息量、病態(tài)指數(shù)-Pearson相關(guān)系數(shù)-變異分析的方法，構(gòu)建出了一套對(duì)工程質(zhì)量檢測(cè)機(jī)構(gòu)的信用綜合評(píng)估的指標(biāo)體系，并通過獨(dú)立信息波動(dòng)賦權(quán)法完成了對(duì)最終的信用評(píng)估指標(biāo)體系的合理性的檢驗(yàn)。結(jié)果表明所建立的10個(gè)準(zhǔn)則下的43個(gè)指標(biāo)對(duì)工程質(zhì)量檢測(cè)機(jī)構(gòu)的信用反映是合理有效的。建立起的信用評(píng)估指標(biāo)體系不僅符合信用的5C理論，同時(shí)也可以對(duì)提升質(zhì)量檢測(cè)機(jī)構(gòu)的信用水平具有良好的指導(dǎo)性作用。