PPP模式社会资本参与度影响因素研究

沈俊鑫　李晓颖

摘要：作为PPP模式的重要参与者，社会资本的积极参与是PPP项目顺利实施的关键。文章基于CPPPC项目库中的项目信息，利用随机森林模型预测PPP项目中社会资本的参与度，并进行特征重要性排名，分析促进社会资本参与PPP项目的重要因素。结果表明，社会资本参与PPP项目具有行业性，政府PPP项目经验是吸引社会资本参与的主要因素，而审批所耗时长，赤字率则对社会资本的积极参与产生负面影响。针对上述结论，文章对政府如何促进PPP项目吸引社会资本的参与提出了相关建议。

关键词：PPP模式；社会资本参与；随机森林；影响因素

一、引言

2014年，发改委在发改基础[2014]981号文中公布了首批鼓励社会资本参与基础设施投资的名单，并表示各级政府应该充分发挥社会资本的作用，加快推进基础设施建设，满足广大群众的生活需求。PPP模式通过引入社会资本投资可以缓解当地政府的资金问题，保障基础设施建设的资金需求，提高公共服务的效率和服务水平，受到国内外广泛关注，也成为了我国政府大力推广的融资模式。但是在实际操作过程中，社会资本参与PPP项目的众多问题没有引起足够的重视，许多项目因为没有社会资本的投资或者社会资本在项目实施过程中宣告失败。基于此，研究PPP项目吸引社会资本参与的影响因素，对于PPP项目顺利实施至关重要，故本文选用CPPC项目库中部分PPP项目作为研究对象，基于随机森林模型构建PPP项目的社会资本参与预测模型，并进行特征重要性排名，分析各特征因素对社会资本参与PPP项目的影响作用。

二、文献综述

在我国基础设施建设面临资金短缺问题时，PPP模式的引入极大改善了政府的财政危机而深受重视。社会资本作为PPP项目的参与主体之一，对于推进PPP项目成功落地实施具有重要作用。但是在现实情况中，社会资本参与PPP项目的态度并不总是积极的，因为社会资本作为逐利主体，会综合各方面的因素最终做出投资决策，相关学者也从不同的角度分析了影响社会资本参与PPP项目的主要因素。

从项目属性维度来看，回报机制、风险分担机制，收益分配机制是影响社会资本参与PPP项目的重点因素。胡常春（2021）认为科学健全的投资回报机制是社会资本方达到预期投资回报的主要保障。其中，巴曙松（2018）认为政府付费类PPP项目的收益较为稳健，与使用者付费机制相比，能够在一定程度上降低社会资本的财务风险，也能吸引社会资本的参与。张伟（2022）认为PPP项目具有投资规模大、投资回收期长，投资风险大等特点，因此需要设置合理的利益分配机制来满足社会资本的投资收益。他还提出PPP项目风险的具体化、明确风险承担主体、完善风险防范体系对促进社会资本投资具有重要作用。霍伟东（2018）认为不同的风险分担机制对应着不同的社会资本参与程度，也将影响PPP项目的最终成效。而多边金融机构的参与能使社会资本有效控制参与PPP项目的风险，提高社會资本在PPP项目中的参与程度。丁惠玲（2021）认为投资回报率的不断降低使得社会资本参与PPP项目的动力不足，而且存在短期退出项目的现象，不利于PPP项目的长期稳定发展。

从政府维度来看，学者们普遍认为政府的政策支持、补贴力度及财政状况是影响社会资本参与PPP项目的主要原因。王文凯等人（2021）认为政策的支持对于促进社会资本参与PPP项目具有积极作用，尤其是那些经营性明显不足的项目，各类补助及税收政策的制定及落实至关重要。周镇浩（2021）认为政府对社会资本方的补贴力度及对社会资本方采取投机行为的处罚力度会对社会资本参与PPP项目的积极性产生影响。关于这一点，罗书嵘（2021）做出了详细的论证，他认为政府给予社会资本的补贴应该与社会资本在PPP项目建设中的贡献程度、投资力度、PPP合同的执行程度及承担风险的比重挂钩，这样才能充分发挥社会资本的积极性，保障公私双方的利益最大化。因为双方都认同的补贴方案才是决定合作稳定及PPP项目顺利实施的关键，而不合适的补贴方案会导致公私伙伴之间发生利益分配的矛盾，对社会资本积极性的调动和稳定的伙伴关系造成威胁。陈姗姗（2021）认为对于财政状况较差的政府，投资者会面临更多的风险，风险规避心理会让社会资本尽量避开此种类型的投资。

三、社会资本参与PPP项目模型构建

随机森林，是由Leo Breiman（2001）提出的，它的基本思想是通过构建并组合多棵不同的决策树，使得这种组合而成的集成模型具有更强的分类能力。随机森林算法使用bagging方法进行随机取样，这种方法在一定程度上避免了某些噪声样本，提高了模型准确性，再加上随机取样的引入，可以提高模型的泛化能力，并行化训练的方式使得其训练速度更快，随机森林的众多优点使其在分类中得到广泛应用。本文选用决策树作为随机森林中的基分类器来训练社会资本参与PPP项目的预测模型，给定项目样本N个，特征变量M个，模型构建步骤如下：

1.随机选取训练集

对于给定N个项目样本，随机有放回选取N次，每次只抽取其中一个样本，直到选够N个样本作为一个训练子集Tk。

2.构建每棵决策树

构建决策树是有两个关键步骤：一是决策树的节点分裂，二是随机变量的选取。其中节点分裂是使用信息增益策略从样本的m个特征属性中选择其中一个作为该节点的分类属性，从根节点开始，不用剪枝，自上而下生成一棵完整的决策树Sk。选取随机变量则是在建立决策树时，随机选取m个属性[其中m=log2M（向上取整）]参与节点分裂，保证每棵决策树的随机变量数量一致。

3.形成随机森林

不断重复上述两个步骤，直至决策树的数量达到所需树的数量为止，得到n个训练子集T1，T2，…，Tn，生成n棵决策树S1，S2，…，Sn，将这n棵决策树组合起来就形成了随机森林。随机森林算法的最终分类结果取决于多棵决策树的投票结果，即众多决策树得票数最多的分类结果。

四、结果与讨论

（一）模型评价

如表1、图1所示，用以下五项常用的机器学习性能评价指标来评估本文训练的社会资本参与度预测模型的性能。

随机森林算法的不同的参数代表着不同的功能，这些参数的设置在一定程度上影响着模型的好坏，因此本文使用网格搜索方法来实现自动化调参，最终确定随机森林算法性能最优下的参数如表2所示。

（二）影响因素分析

图2显示了随机森林模型的特征重要性排名，可以看出影响社会资本参与PPP项目排名前15的因素包括：industry RequiredName_muniEngineering（市政工程）、ecnoDivision（地区经济水平）、userPayAmt（使用者付费收入）、socialPurchaseWay（采购方式）、projExperience（政府PPP项目经验）、contrTransparency（合同透明度）、ProductMarket（产品市场指数）、returnMode（回报机制）、constructionInterest（建设期利息）、DeficitRatio（赤字率）、industryRequiredName_ecology（生态建设和环境）、socIRR（社会资本收益率）、approvalTime（审批耗时）、vfmValue（物有所值）、timeInterval（项目耗时与所处阶段比例）。由此可见，第一，社会资本参与PPP项目十分看重行业性，其中市政工程类项目是社会资本首要考虑的项目，因为随着城镇化的发展，社会公众对公共基础设施的需求扩大，市政工程类项目作为城市建设的重要部门深受政府的重视，且其工期一般较短，这就意味着社会资本回收投资回报的时间也短，而且承担的不确定性风险也更小，因此更受社会资本的欢迎。生态建设和环境是社会资本愿意投资的项目，2012年自党的十八大提出“大力推进生态文明建设”的战略决策，各级政府相继采取行动，不只是追求经济的发展，也更加注重环境建设。第二，政府PPP项目经验、赤字率、审批耗时等与政府相关的因素是影响社会资本参与PPP项目的主要因素，一般认为，政府PPP项目经验越丰富，其管理能力就越強；赤字率反映了政府的财政水平，赤字率越高，财政实力越差；审批耗时则反映了政府的管理效率，耗时越长，效率越低。对于社会资本来讲，他们更愿意参与政府管理能力强、管理效率高、财政实力强的项目。第三，社会资本作为逐利主体，本质是追求利润最大化，因此收益率是吸引社会资本投资的主要因素，而政府付费和可行性缺口补助两种回报机制因为具有稳定的现金流，在一定程度上减轻了社会资本的财务风险，因此比使用者付费收入机制更能激发社会资本投资。

五、结论和建议

本文使用随机森林算法构建PPP项目对社会资本的吸纳效果预测研究，AUC为92.56%，说明随机森林算法能够较为准确预测社会资本参与PPP项目的意愿。随后利用特征重要性排名分析各影响因素对社会资本参与PPP项目的影响作用，可以得出如下结论与建议：第一，社会资本更愿意参与市政工程、生态建设和环境类PPP项目，因为这两类项目是政府大力扶持的项目，由此可见，政府支持对于PPP项目发展的重要性，各地政府也应该根据当地的发展战略和市场需求有针对性地提供政策支持，避免对某行业的过多支持而忽略了其他行业的发展。第二，政府PPP项目经验越丰富越能促进社会资本参与PPP项目，但是审批耗时和赤字率过高则会阻碍社会资本参与PPP项目的积极性。因此，政府部门在主导PPP项目时应该注重自己的管理能力和管理效率，避免因为自身管理疏忽而造成PPP项目无人问津，对于赤字率过高的地区，当地政府应该根据当地实际情况制订合适措施来弥补财政赤字。第三，社会资本更愿意投资利润率高、现金流稳定的项目，因此，当地政府应该制订合理的利润分配机制，保障社会资本的合理盈利，为社会资本积极参与PPP项目奠定坚实基础。

参考文献：

[1]胡常春，陈成.PPP模式应用的风险防范[J].商业文化，2021（32）：86-87.

[2]巴曙松，朱伟豪，蒋霄霖.PPP项目质量、融资约束和杠杆转移[J].当代经济管理，2018，40（10）：54-60.

[3]张伟，樊安利.PPP模式在绍兴市生态农业领域的应用探讨[J].黑龙江生态工程职业学院学报，2022，35（01）：28-30+64.

[4]丁惠玲，孙之淳.社会资本视角下PPP项目实践中存在问题及对策[J].中国商论，2021（13）：183-185.

[5]霍伟东，陈若愚. 制度质量、多边金融机构支持与PPP项目成效——来自非洲PPP项目数据的经验研究[C].2030可持续发展目标与“一带一路”建设——中国新兴经济体研究会2017年会暨2017新兴经济体论坛（国际学术会议）论文集（上），2017：220-234.

[6]霍伟东，陈若愚，李行云.制度质量、多边金融机构支持与PPP项目成效——来自非洲PPP项目数据的经验证据[J].经济与管理研究，2018，39（03）：52-64.

[7]王文凯，郝生跃，兰荣娟.基于DEMATEL-ISM的养老PPP项目落地影响因素研究[J].河南科学，2021，39（12）：2058-2065.

[8]周镇浩，王艳伟.农村垃圾处理PPP项目三方演化博弈分析[J].昆明理工大学学报（自然科学版），2021，46（06）：132-143.

[9]罗书嵘，杨秀.基于Shapely值的PPP模式政府补贴的适度性模型研究[J].科技和产业，2021，21（03）：185-188.

[10]陈姗姗，熊伟，钟宁桦，汪峰.政府和社会资本合作项目异化为地方政府明股实债融资的探讨[J].同济大学学报（自然科学版），2021，49（10）：1484-1493.

[11]Breiman L.Random forests[J].Machine learning，2001，45（01）：5-32.

＊基金项目：国家自然科学基金项目“大数据驱动信息基础设施PPP可融资性影响因素获取及评价方法研究”（基金号：71964018）；云南省省院省校合作项目“云南公共基础设施PPP规范发展对策研究”（基金号：SYSX201911）；广西哲学社会科学规划研究课题一般项目“广西大数据产业公私合作发展协同演化机制研究”（基金号：18BGL014）。

（作者单位：昆明理工大学管理与经济学院。李晓颖为通信作者）