基于贝叶斯网络的高校基建工程腐败脆弱性研究

张 兵，周来智，司长春

（1. 扬州大学 建筑科学与工程学院，江苏 扬州 225400，E-mail：2251271020311143@qq.com；2. 上海交通大学 安泰经济管理学院，上海 200240）

伴随着高等教育逐渐从“精英教育”迈入“大众教育”，我国高校基建工程呈现出“大力度、超常规、跨越式”的发展态势。但与此同时，对高校基建的高度重视和密集投入也使其成为诱人的腐败目标，并是高校腐败最严重的领域。教育部指出高校基建腐败占到全国高校腐败总数的24%，张德祥[1]也发现 34.2%的高校腐败与基建相关，另外为了获得高校基建工程项目，一些建筑企业甚至将项目总造价的5%～10%作为专项行贿资金列支预算，并导致了高达 15%的投资损失[2，3]。联合国开发计划署（UNDP）指出高校基建工程在招投标、监理、物资采购等诸多环节的腐败脆弱性导致了“反腐败形势严峻”[4]。腐败脆弱性是一个包含风险、暴露、敏感性等要素的多元概念集合，描述了易于受到腐败影响和破坏，并缺乏抵抗腐败干扰的内在缺陷，反映了制度存在的腐败风险集中及遭受腐败的可能性、程度或状态[5]。魏亲华等[6]根据 200个高校腐败案例，梳理挖掘出了58个腐败脆弱性风险点，而教育部根据基建工作流程，总结出在前期工作、建设实施和竣工验收等3个环节存在着142个腐败脆弱点[7]。然而，由于罗列出详尽的腐败脆弱性风险清单几乎是不可能完成的任务[8，9]，且高校基建工程腐败是一个复杂的因果系统，需突破传统腐败因果要素之间的关系判断，从更深层次推断结果与诱发原因之间的非线性路径[10]，这导致了高校基建腐败脆弱性研究是一个复杂而敏感的问题，并造成了判断腐败脆弱性的系统映射关系研究探索仍处于初步发展阶段。

Hallak等[8]强调在高校基建腐败的研究中，对腐败脆弱性的系统诊断和分析至关重要，针对这一核心议题，众多学者利用定性和定量分析工具与方法开展高校基建腐败研究[11]。在定性研究方面，张德祥[1]根据案例梳理发现基建工程立项、采购和建设等 3个环节是腐败“重灾区”，Deliversky[12]梳理总结出了腐败脆弱性风险清单，以更清晰地预测这些腐败脆弱性对基建工程的影响，Muzammil[9]提出对这些腐败脆弱性风险因子进行“红色标记”和绘制“脆弱性风险地图”。在定量研究方面，Rory Truex[13]利用调查问卷，对尼泊尔的教育系统腐败情况进行调查统计分析，国内则根据高校基建腐败典型案例的新闻素材和判决书等进行相应的实证分析[6，14]。另外，Kirya[10]提出采用腐败脆弱性风险评估、系统映射等评估判断腐败脆弱性风险。在研究方法层面，Ekici等[15]指出大部分腐败研究基于线性模型展开，但由于腐败并不是“明确的因果过程”，这导致了无法从系统角度剖析腐败脆弱性风险因子结构特征。贝叶斯网络分析（BN）主要应用于因果关系或故障征兆等复杂关系推理，能够将腐败系统变量之间的关系转化为一个可见的结构模型，并基于概率推理从腐败风险因素确定、腐败风险因素之间的结构模型构建以及网络结果分析等进行高度不确定的复杂系统建模和分析[16，17]，特别是能够运用“假设”分析进行风险计算、情景测试、因果分析和未来情景模拟等[18，19]，这为深度挖掘腐败的系统、交互和更高层次聚合提供了一个强大的分析工具，并诱发了贝叶斯网络分析在复杂系统研究方面日益流行[20，21]。然而，由于部分研究认为与其他类型的工程腐败相比，除了直接受害者可能不同，高校基建腐败的操纵竞标的目标、过程和结果等均是相同的，并没有显著性差别[22]，这直接导致了高校基建腐败问题在很长时间内成了“房间里的大象”[8]，仅有少量研究聚集于高校基建腐败脆弱性方面[12，23]。此前对包括一般工程在内的高校基建工程腐败的研究已取得很多富有理论和实践价值的成果，但大部分研究是孤立地以单一叙事论述性的方法论形式进行的[24]。

鉴于此，考虑到对高校基建腐败脆弱性的诊断是至关重要的，本文将基于教育部公布的高校基建工程领域腐败脆弱风险点，研究一套适当的高校基建腐败脆弱性评估的新方法工具，并从基建工作流程出发对高校基建工程的腐败脆弱性作用机理进行系统分析。考虑到以全面系统的方式考察高校基建腐败脆弱性的研究非常少，以及贝叶斯网络分析模型能够从整体视角描绘腐败的“系统结构”，并考察其各个影响因子之间的复杂依赖关系[15]，本文采用贝叶斯网络分析技术进行高校基建腐败的风险识别和评价，进而通过构建贝叶斯网络模型，从多重具有相互关联的脆弱性因子剖析高校基建腐败脆弱性及其相互关系，识别其腐败脆弱性作用机制[10，25]，以作为诊断和破解高校基建腐败的行动框架和理论参考。

1 贝叶斯网络模型构建

利用贝叶斯网络进行腐败脆弱性风险判断，主要通过3个步骤进行：一是构建高校基建腐败脆弱性因子的贝叶斯网络；二是进行贝叶斯网络训练；三是开展贝叶斯网络推理。

1.1 高校基建腐败脆弱性因子提取

梅士伟[11]发现从1994～2018年的15年间国内有 1163篇论文聚焦高校腐败，而同时期以高校基建腐败为研究主题的论文仅 14篇，并且这些仅有的研究成果尚缺乏权威期刊支撑[6]。这导致了很难通过常规的依靠高水平研究文献回顾进行相关腐败脆弱性因子的提取和整理。

考虑到制度文本是国家层面揭示高校基建腐败脆弱性风险的一种重要形式，本文将根据制度文本，采用内容分析法挖掘和总结高校基建腐败脆弱性因子，具体步骤如下：

（1）由于2015年颁布的《教育部直属高校和直属单位基本建设廉政风险防控手册》（下文简称手册）对可能产生腐败脆弱性的风险点进行了逐一全面的梳理，故选择该手册识别和提取高校基建腐败脆弱性风险因子。

（2）为了“突出重点，直击要害”，选取手册中的廉政风险为“高”和“中”的两个等级风险，共提取出涉及审批设计、招标投标、施工阶段、资金管理阶段和竣工验收阶段等6个环节的25个高校基建腐败脆弱性因子。

（3）结合专家访谈，对高校基建腐败脆弱性因子进行细化和完善，最终形成包含 27个题项的Likert五级量表调查问卷。

1.2 调查问卷的信度和效度分析

由于研究问题的敏感性，本文开展面对面的问卷填写方式进行数据收集，为了保证调查问卷数据的代表性和典型性，对调查对象的选择设置了以下3个条件：一是所在建筑企业近5年内承担过高校基建工程项目不少于3个；二是近3年内曾在高校基建工程项目中担任项目管理工作；三是拥有5年以上的工程经验。另外鉴于江苏省建筑业总规模位居全国第一，而苏中地区（南通、扬州和泰州三市）的建筑业产值占到了全省的50%，并承担着省内外诸多高校的基建工程项目，将调查对象集中于江苏省苏中地区曾承担过高校基建工程项目的施工单位，并最终选择 12家施工总承包特级企业作为调查企业。然后通过与企业高层管理人员沟通圈定调查对象，前后共投放和回收调查问卷216份，剔除无效问卷78份，最终得到138份有效问卷，满足问卷收集样本容量高于题项5倍及以上的要求。调查问卷结果描述性统计分析如表1所示。

表 1显示各个题项的得分均值均超过 2.5，说明高校基建工程存在着一定的腐败脆弱性，而“对发现的问题不及时处理”“明示或暗示改动、编造实测数据”“围标、串标”“有意拖延审批时间以及默许或串通施工单位”“为利益相关单位谋取不正当利益”等是得分最高5个题项，说明这5个方面问题在高校基建腐败脆弱性中最为严重。另外调查问卷各个题项的标准差在1左右，最高的为1.235，表明各个问卷的调查结果离散性较小，处于可接受的范围内，可进行下一步的信度和效度分析。

本文采用巴赫信度系数（Cronbach’s α）衡量调查问卷内部一致性水平的高低，经计算 Cronbach’s α值为0.975，大于0.9，表明调查问卷的调查结果具有一定的可信性。与此同时采用 KMO检验和Bartlett球体检验开展调查问卷效度检验，检验结果KMO值为0.923，大于0.8，并且Bartlett球体检验的显著性检验结果为 0，具有显著性，显示调查问卷具有良好的结构效度。

表1 调查问卷结果描述性统计分析

1.3 贝叶斯网络模型的结构建立与参数学习

设计贝叶斯网络结构是分析的关键，目前主要通过基于概率推导的客观方法和基于问题因果关系分析的主观方法两种途径进行模型结构设计[26]。本文首先根据专家调查法这种主观方法初步构建高校基建腐败脆弱性因子的贝叶斯网络模型，再根据K2算法进行结构优化，从而实现主观方法与客观方法相结合。

在确定了高校基建腐败脆弱性因子的贝叶斯网络模型结构后，为了能够在没有足够的先验信息的情况下获得贝叶斯网络中各节点的条件概率分布情况，需要对贝叶斯网络进行相应的参数学习。本文首先遵循均匀分布的原则将高校基建腐败脆弱性因子的风险等级设置为 High、Medium、Low 3个等级，并以数字1～5表示脆弱性因子的发生概率及其对腐败影响程度的等级，然后选择最大似然估计法进行高校基建腐败脆弱性因子的参数学习。

腐败风险贝叶斯网络参数学习结果显示高校基建腐败脆弱性风险的 High状态概率为 39%，Medium状态的概率为31%，而Low状态的概率为30%。根据综合评价函数可计算得出高校基建工程腐败脆弱性风险度为62.7，属于“腐败脆弱性风险较为严重”，说明我国高校基建工程建设中仍存在着大量的腐败风险。

2 贝叶斯网络推理分析

贝叶斯网络分析可进行未知结果推理，主要涉及逆向推理、敏感性推理和致因链分析等。其中逆向推理是由结果出发推导发生的原因，即通过调整脆弱性因子指标节点的赋值，查看其他节点的相应变化和条件概率值输出，进而可以识别出关键的脆弱性风险因子，敏感性推理则可以找到对腐败有重要影响的敏感性因素，而致因链分析主要刻画导致高校基建腐败发生的关键风险路径。

2.1 逆向推理分析

本文采用随机抽样算法，根据逆向推理规则设定高校基建腐败脆弱性风险的 High状态概率值为100%，计算获得高校基建腐败脆弱性因子的后验概率分布情况，再找出导致高校基建腐败发生的主要脆弱性因子。

贝叶斯网络逆推结果表明，部分腐败脆弱性因子的High状态概率值较高，其中“未按照规定组织验收”“围标、串标”“串通通过变更为利益相关单位谋取不正当利益”等3个脆弱性因子的High状态均超过60%，而除了“围标、串标”，其他2个题项在原来的得分评价体系里并非靠前。与此同时，“未落实或挪用、挤占项目资金”“合同设置显失公平条款”“擅自改变项目规模、内容、标准”及“在变更审批之前，默许实施变更造成既成事实”等脆弱性因子的High状态均未超过15%，表明对High状态不敏感。另外，从High状态的变动幅度看，相较于初始状态，“围标、串标”“串通通过变更为利益单位相关单位谋取不正当利益”与“授意对不合格工程通过验收”的 High状态变动幅度超过了 3%，表明这些指标会由于高校基建腐败风险变化而发生显著变化。

上述分析结果表明由于高校基建腐败脆弱性风险的结果变化会对不同腐败脆弱性因子的作用效果存在一定差异，其中“未按照规定组织验收”“围标、串标”以及“串通通过变更为利益单位相关单位谋取不正当利益”等为主要的脆弱性因子。

2.2 敏感性分析

与逆向推理相反，贝叶斯网络的敏感性分析判断哪些腐败脆弱性因子对“高校基建腐败脆弱性风险”产生最大影响，主要是通过方差缩减百分比表示，如果相应的因子的方差缩减值大，则表明相应的影响就大，具体分析结果如图1所示。

图1 贝叶斯网络模型敏感性分析结果

本文根据网络节点字体的粗细表示对根节点的影响大小，加粗字体的节点则表示对根节点的影响程度大。图1表明有9个深色字体的腐败脆弱性因子对高校基建腐败风险的影响最大，并且仅有“围标、串标”是问卷得分最高的因子，其他的均为评分值较低的脆弱性因子。可以看出贝叶斯网络中存在着大量的评分均值较低、但微小变化会导致根节点发生较大影响的变量，这些变量应该是治理高校基建腐败重点关注的环节和脆弱点。

2.3 致因链分析

由于腐败是典型的“一果多因”，为了探究高校基建腐败中的这种脆弱性链条，本文采用致因链分析来剖析高校基建腐败的发展路径和轨迹。致因链分析根据后验概率对影响因素的原因及其原因之间的关联性进行推理，并根据腐败链集合分析判断和识别出相应的高校基建腐败发展关键脆弱性因子链条，以便进一步明晰高校基建腐败的脆弱性控制节点和路径。

高校基建腐败脆弱性的贝叶斯网络致因链分析结果表明，由于高校基建腐败的作用机理较为复杂，在整个贝叶斯网络中存在着众多腐败致因链，并且这些脆弱性因子互为因果。为了明晰高校基建腐败的致因链演化路径，本文从根节点逆向依次找出后验概率最大的父节点，进而找出导致高校基建腐败的致因链条，其中线条越粗的则表明在致因中越重要。可以看出在高校基建腐败中，存在着多条线条较粗的致因链，这再次验证了高校基建腐败的作用机理复杂。

这些腐败致因链可进一步划分为4种类型：

（1）工程项目监管方面的致因链。涉及工程审批、项目变更、工程验收、工程分包、合同管理等，这部分腐败脆弱性因子之间互为因果，相互影响作用，共同导致了高校基建腐败的发生，这部分涉及的脆弱性因子最为广泛。

（2）工程招投标环节的致因链。该部分从规避招标、肢解工程项目、干扰招投标活动等，并通过围标、串标方式进行高校基建工程腐败，这是当前高校基建腐败高发频发的领域。

（3）工程支付管理环节的致因链。由于项目资金管理制度不完善，从超进度申请工程款、批准手续不完备到未按照合同约定形式进行合同款项支付，这也是目前发生较多的环节。

（4）工程资金管理环节的致因链。这部分主要是由于未按照高校基建资金管理规定进行资金安排，导致项目资金审批出现问题，特别是无法及时进行竣工结算而导致了腐败行为的发生。

3 结语

近年来，伴随着高校腐败案件频发，人们日益认识到高校并非“反腐风暴”的化外之地，特别是高校基建领域，为此本文结合腐败脆弱性理论和贝叶斯网络分析技术，针对高校基建腐败脆弱性的关键环节，基于权威的高校基建腐败风险制度文本，梳理和总结了相应的高校基建腐败脆弱性因子及调查问卷，开展贝叶斯网络模型构建和参数学习，初步量化得出我国高校基建工程建设过程中的腐败风险较为严重的结论。

在此基础上，根据贝叶斯网络逆向推理和敏感性分析技术识别高校基建腐败的关键脆弱性因子，发现在高校基建腐败的关键脆弱性因子发掘和判断中，存在着问题的题项均值较低但在贝叶斯网络模型中影响较为显著的因子，如“未按照规定组织验收”“授意对不合格工程通过验收”“不按程序和权限审批变更”等。另外，致因链分析结果表明由于腐败的发生作用机理复杂，高校基建腐败的贝叶斯网络中存在着多条腐败致因链甚至致因网，并且涉及多个环节。这些分析结论从理论层面揭开了“高校基建腐败脆弱性”的发生作用机理，并为相关的基建工程腐败治理提供了理论基础和方向指导，具体包括：一是高校基建腐败涉及到众多腐败脆弱性因子，大量腐败案例及调查问卷会将基建工程腐败的重要环节和关键因子暴露出来，但由于高校基建腐败是一个系统退化的反映，从单一指标判断高校基建工程腐败脆弱性的关键因子容易得出“似是而非”的结论，应该从网络和系统的整体视角下剖析单一指标或影响因子的作用方式和大小，在此基础上进行重要性判定；二是由于高校基建腐败存在着诸多致因链，单一指标或环节的腐败治理并不能有效地提升治理效能，需要强调整体性治理，以系统治理为抓手、整体推进高校基建腐败的工作，特别聚焦高校基建腐败的主要致因链，开展专项重点治理，及时斩断相应的腐败致因链，堵住相关的制度漏洞，以破解高校基建治理难题；三是现有的高校基建领域研究多通过定性或简单的统计分析开展相应的研究，尚无法通过较为复杂的科研分析工具剖析高校基建腐败的发生机理和作用路径，这严重影响甚至制约了高校基建反腐败工作的开展，亟须进行相关研究工作的开展，以贝叶斯网络分析为代表的系统分析技术在腐败推理、预测和决策方面有着较大的优势，并可以将分析评估结果直接进行成果应用，未来需要继续利用系统分析方法揭示高校基建腐败的复杂发生机理，为腐败治理提供新的解决思路和科学方法。