基于MWFE模型的河道综合治理项目风险评估

王 玮，张庆太，刘 喆一，何 伟

(1.中国电建集团港航建设有限公司，天津 300467；2.中国电建市政建设集团有限公司，天津 300384；3.华北水利水电大学土木与交通学院，河南 郑州 450045)

0 引言

邹城市位于山东省西南部，济宁市东部，行政区域面积1616km2，主要矿产为煤，是原兖矿集团总部所在地。当前，邹城市处于资源枯竭期。为促进经济的发展，邹城市规划建设现代工业新城，其核心区位于白马河、大沙河治理河段两岸。白马河、大沙河河道制约了城区内太平镇及北宿镇的创业转型，阻碍了该地区社会经济发展。为此，随着《加强美丽示范河湖建设实施意见》《山东省人民政府关于统筹推进生态环境保护与经济高质量发展的意见》等政策的发布，邹城市提出了《山东省邹城市白马河、大沙河综合治理工程》项目，以保证规划城区防洪安全，改善河道生态环境，促进当地经济发展。对于当地政府及居民来说，白马河、大沙河综合治理工程是十分必要的。

白马河、大沙河综合治理项目(以下简称Z项目)，主要目标是完善河道防洪体系、提升河流水生态环境系统、改善河域水质污染情况、完善滨水景观体系、打造城市生态景观廊道。该工程采用EPC模式，通过国际工程招标的方式来确定总承包商，签订固定总价合同。在此模式下，对于总承包商来说，工程一旦发生风险，造成的经济损失是传统模式的几倍[1]。基于此，从承包商视角出发，依据现有资源数据进行投标，判断能否实现Z项目风险最小化、建设利益最大化是值得研究的。

为了科学地提前预测风险进而控制风险，如何对风险进行有效的预评价，众多学者进行了研究。目前已有的对项目投标阶段风险研究成果中，或集中于定性分析与措施举例[2-4]，或针对于EPC模式下单一维度风险，如成本风险、进度风险等[5-7]，分析视角与实现功能较为单一。

针对以上问题，考虑多因素影响，并采用定性与定量结合的方法对风险进行评估，本文提出了一种考虑多因素影响的风险分层综合评价模型法(MWFE模型)。通过筛选识别确定投标阶段总承包商面临的项目风险因素，构建一个多层的、系统的风险指标体系，基于熵理论确定风险权重，结合风险矩阵判别风险等级，运用多层模糊评价法计算项目综合风险值，据此评判承包商是否能够积极参与投标，并通过实例进行验证。

1 项目投标阶段风险因素统计分类

基于MWFE模型的项目投标风险评价技术路线如图1所示。其主要工作包括风险因素识别、分类、层次结构模型构建、熵值确定、多层模糊综合风险评价等内容。

图1 技术路线图

1.1 风险因素识别

总承包商在投标阶段易受到项目信息不完善、政策变更、业主方建设要求更改等各类风险影响，林韩涵[8]等针对我国总承包商特性，研究国际地铁EPC工程投标风险。考虑文化、政策和经济所引起的复杂风险，以外国EPC工程常见风险为标准，将地铁项目投标风险分成国别风险、市场风险和工程风险，识别风险并列出风险清单，主要包括政策风险、经济风险、社会环境风险、合作伙伴风险、设计风险、合同风险、报价风险、健康安全风险。闫封任[9]等通过对国内首个大型水电EPC项目的研究，深入探讨项目招投标难点，结合专家问卷结果及实地调研，确定指标体系内投标风险主要是投标文件管理风险、合同管理风险、设计管理风险、采购及施工管理风险。李卉[10]以国内水利水电EPC项目投标决策为研究目标，根据投标阶段各风险性质，提出此阶段需重点考虑以下风险因素：社会与政治风险、自然风险、经济与财务风险、技术风险、管理风险、竞争风险。国外学者们同样也对项目投标风险进行研究，Guo Q[11]等从总承包商角度出发，基于项目整体识别风险，将风险分为经济风险、自然风险、政治风险、社会和环境风险、管理和组织风险和技术风险6类风险。Osipova E[12]等通过全面的风险管理分析，将人为分析风险源主要分为3方面，即项目交付方式、付款方式和合作伙伴关系。

通过对国内外现有的投标风险研究文献分析发现，绝大部分学者都将风险因素分层，分层列出能够明确不同指标的内在含义，使风险清单简单明了。依据AHP的分层理论及已有文献数据，结合Z项目实际情况，可以建立以外部风险、业主风险、技术风险、竞争者风险、合作伙伴风险和自身风险为一级风险，包含多项下级风险因素的多层次评价指标体系。指标的选取还需依照认知心理规律，每层包含指标因素不得超过9项。借鉴FIDIC条款[13]，筛选当前EPC建设项目投标阶段常见风险；依据项目的总体规划报告，选取相互独立且内涵丰富的指标；通过分析邹城市统计年鉴中相关数据，添加相应影响因素。再组织专家以会议形式，依据头脑风暴方法步骤，构建研究结构层次及各层别的风险指标，通过鱼骨图分析法(Fishbone diagram analysis)直观地展示出来。

1.2 投标阶段风险因素鱼骨图

通过以上分析，确定将Z项目投标阶段风险影响因素包括外部风险、业主风险、技术风险、竞争者风险、合作伙伴风险和自身风险，定义为研究对象一级风险因素；通过查阅文献、投标异常事件和专家咨询的方式，细化分解成具有项目特色的影响子项，定义为二级风险因素，具体如图2所示。

图2 项目投标阶段风险因素鱼骨图

2 Z项目投标风险多因素分层综合评价法

按照定性分析向定量分析转变的基本思路，综合多种评价方法、集合多类计算方式，构建Z项目投标风险多因素分层综合评价模型，命名为MWFE模型，进行风险分层综合评价。评价过程需要经过区别指标层级、构建评价模型、确定指标权重、构建打分矩阵以及逐层综合评价。

计算指标权重时引入A-E(AHP-EWM)综合分析法，采用层次分析法将目标分成多指标的若干层次，再运用熵值法确定各指标的权重值；评估风险等级时，采取R-M(RM-MFSE)综合评价法，先统计专家意见，基于风险矩阵打分构建矩阵，将指标权重结合多层模糊评价法，进行逐层的综合评价。

2.1 层次结构模型构建

为更科学合理地评价项目总承包投标风险，将其分为3层；包括目标层、指标层和评价层。其中目标层为项目总承包投标风险；指标层为影响项目投标风险稳定性的相关指标，包括6项一级风险指标和24项二级风险指标。评价层是标定项目投标风险的评分等级，共设定5级(一级/低、二级/较低、三级/中等、四级/较高、五级/高)，Z项目投标风险层次结构模型如图3所示。

图3 Z项目投标风险层次结构模型

图3指标层二级指标中标示“*”的指标为负向指标，未标示则为正向指标。负向指标表示为其值越小对评价结果越好，正向指标表示为指标值越大对评价结果越好。

2.2 A-E法标定指标权重

在多指标综合评价模型中，指标权重的计算是一个重要环节，指标权重设定的合理准确性直接关系到评价的结果是否可行。AHP法能够表明各风险指标间的关系，将EWM法与之结合确定各指标权重更加科学合理[14]。由于大多风险指标是复杂、模糊的，具有一定的不确定性，专家们很难对其做出精准的判断。在定性因素确定情况下，可以对指标直接模糊定量赋予一个0～10的评价值，按照表1取值获得初始评价矩阵。其中1为低风险，2为较低风险，3为中等风险，4为较高风险，5为高风险。

表1 风险指标评判标准及等级表

采用A-E法确定权重具体步骤如下：

(1)由n名专家给m项风险指标打分，按照表1规则取值，建立一个n行m列的原始数据评价矩阵A=(aij)n×m，其中aij代表第i位专家对第j项风险指标的评分。

(1)

其中，i∈[1，n]；j∈[1，m]；aij∈[0，10]。

对于正向指标：

+0.0001

(2)

对于负向指标：

+0.0001

(3)

(3)计算第i位专家打分对第j个指标评价数值的贡献度rij：

(4)

式中，i=1，2，…；j=1，2，…，m。

再将第j项风险指标的熵值定义为：

(5)

(4)计算第j项风险指标的差异性系数：

dj=1-Fi

(6)

(7)

2.3 R-M法评估风险

2.3.1RM法判定指标等级

假定风险因素发生可能性与风险影响程度级别分别都划分有3个等级，风险发生可能性等级从低到高分为A、B、C，分别表示风险发生的可能性较低、一般、较高。风险影响程度等级从轻到重划分为Ⅰ、Ⅱ、Ⅲ，分别表示风险影响程度轻微、中等、稍严重。例如，(B，Ⅰ)=2，表示风险因素发生可能性一般且风险影响程度轻微，等级判定为2，其他组合情况可见表2。

表2 风险指标等级判定表

依据表2判别风险等级，结合了风险发生可能性标准和风险影响程度标准，能够对风险等级进行综合判定和量化处理[15]。语言描述为风险因素等级K(低、较低、中等、较高、高)，相对应赋值为U(20、40、60、80、100)。风险因素的等级越高，其相对重要性越大，危险程度就越高，可以看出等级数值能够清晰地表示同层级各风险因素间的相对重要性大小。

n位专家按照表2判断风险因素等级，得到各二级风险指标Gij(i=1，2，…，6；j=1，2，…，ni)的评价等级，ni是每级指标含下一级指标的个数。整合n名专家对各二级风险指标的评估结果，计算各指标因素的等级隶属度。假设n位专家中将风险因素判定为h等级的专家人数为nh，则风险因素Gij对于等级h级的隶属度为：

(8)

2.3.2MFSE法风险评价

由于各指标在评价中对评价结果所起作用不同，文中引入权重以体现各指标在评价中的不同作用。对各二级风险指标进行初级的综合评价进行以下处理：依据各二级指标隶属度构建二级风险模糊评价向量，采用加权平均算子，与其评价集量化后的向量CT进行复合计算，得到二级模糊风险值，将风险值与对应熵权结合获得加权熵。

定义二级指标模糊评价矩阵Rij：

(9)

Yij=Rij·wij

(10)

(11)

式中，CT—评价集量化后的向量，CT=[20，40，60，80，100]T。

基于此，由各二级风险隶属度组成一级风险模糊综合评价矩阵，同样进行复合计算和加权熵处理，得到一级风险值。再结合一级评价结果采取同样方式进行高一级的综合评价，得到目标综合评价值。

一级风险因素Gi(i=1，2，…，6)的模糊评价矩阵Ri：

(12)

二级风险因素权重向量Vi=(wi1，wi2，…，wini)，i=1，2，…，5，计算一级风险因素模糊评价向量及风险值：

Yi=Vi·Ri

(13)

(14)

目标层G的模糊评价矩阵R：

R=[Y1，Y2，Y3，Y4，Y5，Y6]T

一级风险因素权重向量V=(w1，w2，…，wi)，i=1，2，…，6，总目标层的模糊评价向量及风险值：

Y=V·R

(15)

Y′=Y·CT

(16)

3 工程应用

3.1 问卷分析

确定指标权重需依据专家打分结果，为确保结果的科学性、合理性，选取问卷调查的形式，得到各项目投标风险的等级打分，邀请经验丰富的相关领域专家及了解项目实际状况的管理人员，参与调查问卷的填写，根据问卷结果进行相关分析。本次调研共发放问卷样表80份，回收76份有效问卷，有效率92.5%，证明了该问卷的样本数据具有全面性。其中，将填写问卷时间过短或风险因素打分是同一数值且连续的调查表判定为无效问卷。SPSS25.0软件能够智能地协助使用者统计分析及解释收集的数据，简化具体运算过程，为决策者提供合理、保守的研究结论。采用SPSS软件信度、效度检验工具，能够验证各风险因素显著性及专家评分结果的有效性，下面简述问卷分析结果。

3.1.1信度分析

信度分析是为了检验调查问卷能否满足因子分析的要求，信度研究中最常用的方法是克隆巴赫信度系数(Cronbach’s Alpha)检验法。Fang[16]、杨熙汉[17]、石林林[18]均采用Cronbach’s Alpha作为判定风险评价调查问卷可靠性的标准。Nunnally[19]、Henson[20]等认为：信度系数在0.5～0.6间已足够验证数据可靠性。目前学者普遍以Guielford[21]提出的Cronbach’s Alpha系数划分标准作为参考，即Cronbach’s Alpha<0.35时，调查问卷的信度差，不能用以分析；0.350.7时，问卷信度较高。信度可靠性统计量见表3。

表3 信度可靠性统计量表

通过SPSS软件分析统计功能，判断问卷数据是否可信。从表3中可知，6项一级风险的Cronbach’s Alpha值和整体的Cronbach’s Alpha值都大于0.7，证明本次问卷内部结构良好，同时具有良好的一致性，后续可以依赖此问卷数据实现目标评估的要求。

3.1.2效度分析

通过KMO检验和Bartlett球形度检验，判断问卷各指标间关联性能否满足因子分析的基本要求。目前常用的标准是Kaiser[22]提出的KMO与因子分析适切度标准，见表4。

表4 项目风险子量表效度分析

从表4可知，6项风险KMO值均大于0.7，证明问卷与目标拟合度高，Batlett球形度检验值显著性均为0.000，说明指标均通过检验，显著性好。综上所述，通过问卷调查得到的数据合理，可以用于分析项目风险。

3.2 A-E法指标的权重分析

根据专家打分结果，构建初始矩阵，借助MATLAB软件完成EWM法确定权值的计算过程，最大程度上减弱人工统计错误对结果产生的不良影响，得到Z项目投标风险指标的熵权值，见表5。

表5 Z投标风险EWM权重数值表

从表5可以看出，Z项目投标风险测度中权重最大的是招标信息模糊风险，招标信息的准确与否直接关系着项目投标报价，进而影响项目中标率。总承包商对招标相关信息的收集完整性，同样也是不可忽视的因素。供货商业务能力水平直接关系项目建设成本，不良供货商寻求涨价，不按照合同约定履行其供货义务，会造成项目成本超出投标成本估算值，直接联系着总承包商完成工程项目后所获利润大小。竞争者综合能力和夺标意向所占权重排序分别为4、5名，这两项风险指标均反映了投标阶段竞争者能力较强时，对总承包产生的竞争压力。竞争者具有较强综合能力和夺标意识，可能致使总承包商急于求成、工作失误，导致投标效果不佳。

3.3 R-M法的风险评价分析

专家依据风险指标等级判定表打分，根据式(8)整合评估结果，构造指标等级隶属度矩阵Rij：

综合二级风险因素的隶属度，由式(10)、(11)求得各二级指标加权规范化的风险值：

综合指标模糊评价矩阵，结合二级风险因素权重向量，根据式(13)、(14)计算各一级风险因素模糊评价向量及风险值：

Y1=(0.504，0.242，0.163，0.091，0)

Y2=(0.367，0.333，0.203，0.098，0)

Y3=(0.056，0.014，0.246，0.218，0.509)

Y4=(0，0.024，0.347，0.324，0.305)

Y5=(0，0.091，0.251，0.291，0.368)

Y6=(0，0.145，0.277，0.323，0.256)

根据各一级评价向量构造目标层模糊评价矩阵，结合各一级指标权重向量，得到目标层风险因素模糊评价向量及风险值：

Y=(0.1270，0.1199，0.2518，0.2324，0.2805)

Y′=69.087

根据以上计算结果，可得到Z项目投标风险指标综合评价结果，见表6。

根据上述评价结果，Z项目投标阶段总承包商所承担的风险综合评价值为69.087，评价等级位于风险中等与风险较高之间。结合表5—6可得到以下结论：技术风险指标对总承包投标影响程度最大，权重达0.263，风险评价数值为84.866；其次是合作伙伴风险，权重与风险评价值分别为0.142和78.712；排名第3、4的一级指标风险值均大于70，排名5、6指标业主风险和外部风险，风险评价值分别为40.640、36.812。由此可绘制Z项目投标风险评价雷达如图4所示。

图4 Z投标风险评价雷达图

从图4中可以看出，各风险评价等级跨越了3个等级，外部风险与业主风险等级较小，其余4项风险评价值相差不大。其中只有技术风险分值超越了80，属最大一级风险。说明Z项目受技术运用与创新方面的影响很大，直接关系着项目中标频率，合作伙伴、竞争者与总承包自身综合业务能力与最大风险数值相差较小，也是不可忽视的因素。

综上所述，虽然项目总体投标风险等级并不低，但影响项目投标的关键因素如技术、合作伙伴与自身方面的风险，通过组织相应专业技能培训和进行充分的项目前期调研，能直接、快速地降低这3项关键风险。例如，供货商作为项目建设期间主要合作伙伴，是整个采购系统的核心，直接关系着供应链的整体效益，承包商可通过各种公开信息和公开渠道获得供货商信息，安排实地考察，对其综合能力进行评估，剔除明显不适合的再择优选择。对于竞争者风险而言，总承包商应以提升自身管理、技术能力进行综合提升，当其具有强有力管理与决策能力，能够针对具体风险，提出积极科学合理的应对措施，以降低竞争者风险。

4 结论

针对Z项目投标阶段各风险因素进行统计分析，通过对文献及条款分析，采用头脑风暴法确定风险因素层别，绘制项目投标风险鱼骨图。结合指标间主从关系，选取EWM法，较为客观地赋予各级指标及目标权重数值。通过对权重结果的分析可知，招标信息模糊风险在项目投标风险测度结果中权重最大。

采用风险矩阵法确定评价集，结合多层模糊综合评价法逐层评价，结果显示项目总风险值为69.087，处中等风险和较高风险之间，一级风险层级中技术风险对总承包投标影响程度最大，外部风险与业主风险等级较小。

创建一种新的MWFE多因素分层综合评价模型，采取定性与定量相结合的方法，为建立全面风险管理的风险评价系统打下框架基础，提高结果的准确性。