排水自动监测系统风险管理因子结构的定量研究

胡振华 李 明

一、引 言

水质是否达标是一个重要的民生问题，对水质的准确监测和预报是水资源管理的重要一环。排水自动监测系统能有效提高水质的监测效率和监测频率，与实验室室内监测相比具有很大的优越性，能够更为及时地为各级部门提供环境决策的数据支持。然而，排水自动监测系统的运营管理是一个持续的管理过程，涉及因素众多，投资大，项目成败影响面广，项目生命周期的各阶段都存在着很大的不确定性，导致排水自动监测系统项目存在很大的风险。因此，对排水自动监测系统进行风险管理势在必行，其管理因子的确定也成为重中之重。

二、排水自动监测系统风险管理因子选择依据

本文的研究逻辑遵循“理论—假说—检验—调整”的循环，城镇排水自动监测系统项目风险管理是围绕着提高监测数据质量展开的，即通过减少风险和应对风险，提高项目的质量。为了分析项目风险管理的因子，从项目生命周期各阶段的任务开始进行分析，具体如图1所示。

综合既有的成果，本文认为项目管理的主要元素包括以下几项内容：项目需求管理、组织类型选择、项目团队管理、项目计划管理、机会和风险管理、项目控制管理、项目可见性、项目纠偏管理。项目风险管理是项目管理中一个重要部分，但其很多的管理因子也与项目管理元素存在相似之处，因为从本质上讲，它们都是一种管理活动。

三、项目风险管理因子的初步确立

项目风险的类型是多样的，风险与项目生命周期的三个阶段相连。从本质上讲，项目风险管理是一项管理活动，其管理因子有人员、组织结构、管理制度等要素，项目管理过程中这些因子的不确定性是造成项目风险发生的根本原因。

为便于进行项目风险管理因子分析，本文将城镇排水自动监测系统项目风险管理因子分为两类，一类是人员因子，另一类是环境因子，环境因子分为内部环境因子和外部环境因子。本文把人员因子和内部环境因子统称为内部管理因子，把项目管理所处的空间环境归入外部环境因子进行分析。以城镇排水自动监测系统项目风险管理为对象，具体将项目风险管理中的因子分为以下几个方面：

（1）人员因子

①政府和排水监测机构；②被委托人或建设商；③供应商；④运营商；⑤污水处理厂；⑥项目高层管理人员；⑦普通员工。

（2）内部环境因子

①组织结构；②管理制度；③项目文化；④信息因子；⑤监测设备。

（3）外部环境因子

外部环境包括自然环境、经济环境、政治环境、法律环境、文化环境和科学技术环境，它们属于项目管理中所面临的外部环境。本文将外部环境因子归结为两类因子，一类是自然因子，另一类是社会因子。

四、内部管理因子结构的研究假设

本文的假设概念模型主要包括两个部分，一部分是对项目风险内部管理因子之间的结构关系假设，另一部分是对内部管理因子对项目风险管理目标的影响假设。外部环境因子（如自然因子和社会因子）由于其不可改变性，没有列入假设模型之中。

项目风险内部管理因子之间及其对项目风险管理目标之间的假设如下：

假设1：人员管理因子对项目风险管理目标有显著影响；

假设2：人员管理因子对设备管理因子有直接影响；

假设3：人员管理因子对组织管理因子有直接影响；

假设4：人员管理因子对系统数据因子有直接影响；

假设5：项目风险文化对项目风险管理目标有显著影响；

假设6：组织管理因子对项目风险管理目标有显著影响；

假设7：组织管理因子对设备管理因子有直接影响；

假设8：组织管理因子对系统数据因子有直接影响；

假设9：设备管理因子对项目风险管理目标有显著影响；

假设10：管理信息沟通对项目风险管理目标有显著影响。

本文按以上的假设进行预调研，设置观测变量，根据预调研的结果修正观测变量，运用结构方程模型（Structural Equation Modeling，简称 SEM）并结合实地问卷调查数据对理论假设模型加以验证，同时考察各内部管理因子对项目风险管理目标的影响以及各内部管理因子之间的相互作用。SEM可用以下矩阵方程表示：η=βη+Γξ+ζ

该假设模型为典型的结构方程路径图，η是内因潜在变量向量，ξ是外因潜在变量向量；β是内因潜在变量间的通径系数矩阵，Γ是外因潜在变量对相应内因潜在变量的通径系数矩阵；ζ为残差向量，本文运用AMOS7.0构建结构方程模型界定潜在外因潜在变量ξ（xi）与潜在内因变量之间（η）的因果关系。

五、问卷设计与数据的收集

观测指标的设计侧重从城镇排水自动监测系统项目风险管理中的人力资源、信息管理、组织结构、管理制度、项目文化、系统设备等方面选择，初始观测的指标数量最多不低于3个，不超过6个。对项目风险管理目标也单独设计了观测指标。在题项的形式上，使用了常用的李克特七分制量表，规定1分表示完全不同意，7分表示完全同意。

问卷的设计主要分为两大部分，第一部分是总体情况的了解，目的是掌握被调查对象的概况。第二部分围绕准备验证的模型展开，围绕人员管理、信息沟通、组织结构、管理制度、项目风险文化、设备管理、数据管理、项目风险管理成功标准等方面分别进行调查题项的设计。

调查对象主要来自污水排放监管部门、城镇排水自动监测系统的污水处理厂、负责城镇排水自动监测系统项目运营的高级管理者。考虑到数据获取的便利性及城镇排水自动监测系统项目的代表性，主要选择了城镇排水自动监测系统较为先进的北京市及华东地区、华南地区、东北地区及部分中南省市进行调研。问卷发放的时间为2011年4月～2011年6月。调查结束之后，使用EXCEL等工具进行问卷数据汇总，辨别有效问卷，然后利用SPSS、AMOS等专业统计分析软件进行数据分析。

六、数据分析

本次调查共发放调查表340份，收回调查表314份，其中有效样本288份，无效样本26份（无效样本中，打分完全相同的调查问卷18份、调查缺项较多的问卷8份）。本文对29个变量进行因子分析，采用SPSS13.0进行数据分析，选用结构方程软件AMOS7.0进行建模。

（1）信度分析

信度表示问卷工具的稳定程度，信度检测的目的是尽量减少问卷工具的随机误差或者偏差。本文以Cronbach’sα系数为评判标准，α值越大表示该因素内部各题项之间的联系越大，即该因素的内部一致性越高。一般认为Cronbach’sα值≥0.70时，属于高信度；0.35≤Cronbach’sα＜0.70时，属于尚可；Cronbach’sα值＜0.35，则为低信度。

本文采用SPSS 13.0研究数据的内部一致性，得到如下表2的结果，显示Cronbach’sα系数为0.919，说明问卷调查所获取的数据具有较好的信度。

（2）效度分析

效度是测量结果与测量目标之间的接近程度，它直接影响到研究结果的偏倚问题。本文问卷的建构效度主要通过数据的分析与检验来完成。对问卷的建构效度进行检验，采用探索性因子分析法。首先利用288个调查样本，进行探索性因子分析（EFA），以确定风险管理目标的维度。在做因子分析前，使用KMO（Kaiser-Meyer-Olkin）值对样本数据进行因子分析适用性检验。KMO值越大，表示变量之间的公共因子越多，越适合进行因子分析。根据Kaiser的观点，如果KMO值小于0.5，则不宜进行因子分析。因此，本文采用SPSS13.0对29个变量进行探索性因子分析，采用主成分分析法作为提取因子的方法，并用方差最大法对因子进行正交旋转处理，得到因子结构。

表1 风险管理的潜在变量

注：表中，序号1-23的指标为自变量，序号24-29的指标为因变量

表2 总体信度分析结果

表3 风险管理因子的KMO和Bar tl ett's检验

由表3可见，KMO值为0.807，可以进行因子分析，巴特利球型检验的卡方值为1715.920且显著相关，代表相关矩阵间有共同因素存在，说明指标之间并非对立，是相互联系的，检验表中巴特利检验通过，故本文采用因子分析是适合的。

（3）采用主成分分析法提取风险管理因子

①第一次因子分析

本文针对项目风险的内部管理因子共列举了23个观测变量，利用SPSS软件进行探索性因子分析，采用主成分分析提取公因子，进行方差最大正交旋转，以特征根大于等于1为因子抽取原则，参照碎石图得到了五个公共因子，解释了原有23个指标总方差全部变量的63.906%。具体情况见表4：

表4 总变异量分析

②第二次因子分析

在任何因子上的载荷量小于0.5或者同时在两个或以上因子的交叉载荷量都大于0.5的观察变量（VD2、VF3、VF4、VA4四个变量）都剔除后，再次进行因子分析，因子分析的过程见表5。第一次因子分析得到了5个因子，解释总变异量为63.906%，删去不合适变量后再进行因子分析，得到5个因子，解释总变异量为69.311%，见表6。

表5 风险管理目标因子分析过程表

表6 第二次整体解释的变异数

表7 因素命名

根据因素的特征值和旋转后的因素矩阵，采用主成分分析法抽取出5个因素作为共同因素，并使用因素转轴方法中的Varimax最大变异法，转轴后去掉了因素负荷量小于0.1的系数，按照从大到小的顺序进行排列，得到变量与因素的关系。根据各因子项目包括问卷项目的意义和因子负荷量的大小，分别对因子项目进行命名。对自变量两次主成分因子分析，剔除了4个不符合标准的题项，最后得到由19个指标构成的5个因子，EFA结果见表7。第一个因子项目命名为设备管理，包括6个问卷项目变量。其它四个因子项目命名为：组织管理、人员管理、数据合理性、信息管理。

七、模型建立

通过增加的残差间协方差关系和变量间路径关系，最后得到的改进模型如图2所示：

在图2的项目风险内部管理因子与项目风险管理目标之间的结构关系模型中，人员管理因子对设备管理、组织管理（含风险文化管理、信息沟通）、数据管理都有重要的影响，其中人员管理因子对组织管理因子的路径系数为0.56，人员管理因子对设备管理因子的路径系数为0.70，人员管理因子对数据管理因子的路径系数为0.25。这一结果说明人员管理因子在项目风险管理中具有极其重要的地位，它是比较活跃的因子。

人员管理对组织管理有直接影响，对项目风险管理目标有间接影响，而组织管理、数据管理对项目风险管理目标有直接影响，其中数据管理因子对项目风险管理目标的路径系数达到0.50，组织管理因子对项目风险管理目标的路径系数达到0.29，均为显著。

根据图2的结构关系模型可以认为，城镇排水自动监测系统项目风险管理目标必须要加强项目中的人员管理因子、数据管理因子和组织管理因子，它们彼此之间相互影响，最终直接影响项目风险管理目标的实现。在重视这些关键因子的同时，还需重视与其它因子的协调。

八、小 结

本文选择了城镇排水自动监测系统项目风险的内部管理因子进行定量研究，经过数据的探索性分析和验证性分析，得到了项目风险内部管理因子之间的结构关系模型和内部管理因子对项目风险管理目标的影响模型。

在内部管理因子之间的结构关系模型中，人员管理因子对设备管理因子、组织管理因子（含风险文化管理、信息沟通）、数据管理因子都有重要的影响。人员管理因子对组织管理因子的路径系数为0.56，人员管理因子对设备管理因子的路径系数为0.70，人员管理因子对数据管理因子的路径系数为0.25。人员管理因子在项目风险管理中具有极其重要的地位，它是比较活跃的因子。

［1］孟庆强，林毅.西朗污水处理厂BOT项目的水质、水量在线监管经验[J].中国给水排水，2006（24）：78-80

［2］戚安邦，盛峰.面向不确定性的项目风险管理方法研究[J].理论探讨，2008（2）：70-73

［3］卿姚，王月明.我国工程项目风险管理研究[J].四川建设科学研究，2007（2）：193-196

［4］王进.大型工程项目成功标准[D].长沙：中南大学，2008

［5］Van de Bunt,P.A.E.,De organisatie-adviseur,begeleider of expert?Samsom,Alphen a/d Rijn,1978

［6］（法）法约尔.工业管理与一般管理[M].北京：中国社会科学出版社，1998

［7］朱晓洁，张瑜.沙因论组织文化[J].管理学家，2011（2）：17-26

［8］王玉.基于项目的信息管理活动研究[J].情报科学，2007（6）：815-818

［9］高来阳.设备管理学[M].北京：中国铁道出版社，1993

［10］荣泰生.Amos与研究方法[M].重庆：重庆大学出版社，2009

［11］李君君.面向电子商务网站的用户接受模型及其应用[D].南京：南京大学，2008