2. 北京航空航天大学 经济管理学院, 北京 100083
2. School of Economics and Management, Beijing University of Aeronautics and Astronautics, Beijing 100083, China
结构方程模型(Structural Equation Modeling, SEM)是采用线性建模技术,结合因子分析与回归分析方法,对可测度变量及其隐含变量的相互关系进行分析的一种通用统计建模方法[1]。典型的结构方程模型通过建立显变量与隐变量之间的关系,即测量模型,识别系统要素;通过研究隐变量之间的关系,即结构模型,反映系统内部的交互关联特征。基于结构方程模型对大型工程项目实施风险评估,有助于确定风险发生机理,为设置化解措施提供有效依据。
大型工程建设项目风险评估是在风险识别的基础上,确定单个风险因素的大小及项目的整体风险水平[2]。大型工程建设项目伴随着经济发展快速推进,对经济、社会、环境和居民生活等有极大影响;同时,公民意识的提升也推动人民对生活品质的追求,国内近几年有关恶性群体性事件,多数是由于项目风险评估环节缺失而诱发的[3]。
目前国内对于社会稳定风险评估的相关研究还较少,方法简单且拘泥于评价指标设计层面,而对社会稳定风险发生机理的研究较少[4-5]。
伴随着计算机软件的不断改进,结构方程模型的应用逐步增加,20世纪80年代以来,在社会、人文和行为科学领域得到广泛的应用。最初,ETS(Educational Testing Service)研究者Joreskog是在教育学、心理学领域倡导应用结构方程模型的,因此这两个领域的应用是非常盛行的。首先,在教育学领域,有社会教育学中的成人教育、青少年犯罪,有健康教育学中的吸毒调查、饮酒、戒烟,有体育教育学中的运动训练,有学校教育学中的课程评价,还有教育测量学中的信度分析、测验理论等研究。其次,在心理学领域,有临床心理学中的生活指导、精神健康量表、心理不安测量、精神分裂症,有发展心理学中的双胞胎研究,还有社会心理学中的归属理论、态度、性别差异、灾害心理,以及学习心理学中的遗忘,实验心理学中的知觉、棒框测验和认知心理学中的自我概念等研究。结构方程模型在其他领域的研究也很多,如社会学的反社会行为、社会阶层模型、家族研究、职业意识、人种比较等。市场学中的消费者行为、经营学、犯罪学、人口学、经济学等。大型工程建设、旅游业、交通管理中的应用研究也已经出现[6-9]。
文章通过对大型工程建设项目社会稳定风险因素之间的内在关联关系进行研究,确定风险因素是如何相互影响并对项目的整体风险产生作用的。借助利益相关者诉求这一外在指标测量社会稳定风险大小[10-11],完善数据获取和分析处理过程,构建结构方程模型,并实证应用于某大型机场建设项目社会稳定风险评估。
二、模型介绍大型工程建设项目的整体社会稳定风险的大小是由一个个社会稳定风险因素决定的,这些风险因素不但对项目的整体风险水平产生作用,而且相互之间存在内部联系,彼此影响。衡量该风险大小的直接数据来源是利益相关者的诉求,而针对该风险影响因素的分析又包括两部分:一是数据的获取和分析处理;二是构建分析模型。
(一) 基于问卷调查法的数据获取与分析问卷调查法是通过书面形式,使用严格设计的问题或表格,收集研究对象的资料并对调查结果进行研究分析的社会调查方法,是实证研究中研究者用来收集资料的常用方法[12]。相较于文献法、访谈法等数据获取方式,其具有便于获取数据并分析、数据误差小、匿名性高等优点。
文章所涉及的问卷主要由调查导语、大型工程建设项目社会稳定及其风险影响因素的题项、收集调查对象的个人信息三个方面构成,并采用李克特量表(Likert Scale)、结构化选择题项、个人信息收集题项后置等措施,获取更多有效数据。进而,采用信度、效度分析验证问卷结果有效性、真实性,以便后续分析[13]。
(二) 基于结构方程模型的建模分析x1~x2, x3~x5和x6~x7分别为3组外生显变量,对应的外生隐变量为ξ1、ξ2和ξ3;y1~y2和y3~y5分别为2组内生显变量,对应的内生隐变量为η1和η2。这些显变量和隐变量之间构成测量模型;而ξ1、ξ2、ξ3和η1、η2之间则构成结构模型。另外,δ1~δ7、ε1~ε5表示测量误差,ζ1~ζ2表示结构方程的误差项。在结构方程模型中,设定变量之间的关系是线性的。根据变量之间的关系,一个典型的结构方程模型如下:
测量模型
(1) |
(2) |
结构模型
(3) |
其中:X为p个外生显变量组成的p×1维向量;ξ为m个外生隐变量组成的m×1维向量;ΛX为X在ξ上的p×m维负荷矩阵;δ为p个测量误差组成的p×1维向量;Y为q×1维的内生显变量;η为n个内生隐变量组成的n×1维向量;ΛY为Y在η上的q×n维负荷矩阵;ε为q个测量误差组成的q×1维向量;B为n×n维系数矩阵,表示内生隐变量之间的相互关系;Γ为n×m维系数矩阵,表示外生隐变量ξ对内生隐变量η的影响;ζ为n个解释误差组成的n×1维向量。
结构方程模型建模步骤可用图 2表示。
三、实证分析
为了识别大型工程项目社会稳定风险众多来源的各个方面,首先要对其进行分类。一般而言,根据风险理论从不同角度、不同的标准可以有不同的划分,比如风险可以按照性质分类、按照风险来源分类、按照风险对象进行分类等方法。但不管用哪种方法分类,风险因素间都存在着一定的相关性,有的甚至明显重复或者缺漏。因此使用哪种方法分类以及其分类结果并不能完全达到理论上的严格区分,但在风险识别过程中能起到条分缕析的作用[15-16]。
文章以风险产生的根源为依据,在某大型机场建设项目社会稳定风险评估中,通过查阅项目历史资料、国内外相关项目文献素材,并经过现场访谈调查,将大型工程项目的社会稳定风险分为项目内部因素和项目外部因素2大类,2大类下共分为8个子类,它们分别是项目程序、征地拆迁安置、项目技术经济管理、对当地自然环境的影响、对当地社会环境的影响、对当地经济利益的影响、媒体舆情和专项风险,这些构成大型工程项目社会稳定风险框架,具体如表 1所示。
据此可以构建大型工程建设项目社会稳定风险影响因素的初始假设模型[17]。风险因素的分析模型拟采用结构方程模型,目前对于复杂系统中的元素关联关系的分析方法有解释结构模型、网络分析法、结构方程模型等。解释结构模型通过矩阵和图论的知识来描述元素之间的相互关系,偏向于定性分析;网络分析法将系统中的元素关系看成一个相互影响的网络结构,通过构造判断矩阵来得到元素的相互重要程序,虽然是定量分析,但是数据来源较为主观;结构方程模型能够对系统的显变量进行客观观测,通过建立显变量与隐变量之间的关系,识别系统要素,通过研究隐变量之间的关系,反映系统内部的交互关联特征。通过构建大型工程建设项目社会稳定分析的结构方程模型,通过问卷调查得到的客观数据来对显变量进行测量,利用路径分析理清各类风险因素之间的相互关系,有效识别影响整个项目社会稳定风险水平的关键风险因素。
(一) 结构模型构建由于指标之间影响关系的不确定性,文章得到3个假设模型,分别如图 3~图 5所示。
图 3~图 5中,模型二在模型一的基础上,删去对当地自然环境的影响这一因素对征地拆迁安置的影响;模型三在模型二的基础上,删去对征地拆迁安置与对当地经济利益的影响之间的关联,而后采用结构方程模型对于研究假设进行验证。
(二) 数据的获取和分析处理根据前述分析路径,采用问卷调查法获取数据,共回收问卷200份,根据一般剔除原则筛选后,共得到有效问卷194份,占回收总数97%。
1.探索性及验证性因子分析
经过三轮探索性因子分析后,筛选出26个指标此轮利用最大方差法(Varimax)得到KMO和Bartlett球形检验的结果如表 2所示。通常,KMO值大于0.9,说明数据做因子分析非常适合;大于0.7,数据比较适合;大于0.5,可以做因子分析;小于0.5,则数据做因子分析不适合。从表 2中可以得到KMO值为0.758,大于0.7,表明变量间具有共同因素存在,适合进行因子分析。
总方差分解如表 3所示,可看出有8个主成分的特征根大于1,并且前8个主成分的累积方差贡献率达到71.872%,综上可知该量表包含8个主成分。
主成分1指项目程序,涉及大型工程建设项目的立项与审批流程中,做到了合法合规,大型工程建设项目的各个过程中,信息足够公开透明以及有充分征集公众意见。
主成分2指征地拆迁安置,涉及大型工程建设项目中的土地房屋征收征用范围符合因地制宜、节约土地资源的要求、满足工程用地和土地利用规划的需求、补偿程序和方案、标准的资金、数量和落实情况均良好以及搬迁安置方案十分详细,可以令公众满意。
主成分3指项目技术经济管理,涉及工程技术方案科学、可行,资金筹措和保障不存在重大风险,建设过程中的环境保护措施完善,建设工程中施工安全有保障,不存在引发安全事故的隐患,建设过程中的劳动用工符合规范,相关制度足够完善,可以保障劳动者的合法权益。
主成分4指对当地自然环境的影响,涉及废气排放符合相关标准,周边空气环境质量达标、不会对群众的生活环境和健康造成不良影响以及不会对水体、土壤造成超标污染。
主成分5指对当地社会环境的影响,涉及不会对周边群众文化生活习惯或宗教习俗等产生重大影响,不会挤占原有居民的教育、医疗等公共资源、相关警务力可以覆盖对流动人口的管理在施工和运营期间,不会对周边交通产生重大影响。
主成分6指对当地经济利益的影响,涉及导致周边房价异常波动、导致当地就业异常波动、导致当地群众收入异常波动、在施工及运营期对当地的商业经营状况会产生积极影响。
主成分7指媒体舆情,涉及不存在媒体舆论曝光负面消息的新闻和拥有积极的媒体舆论导向,会对项目产生积极影响。
主成分8指专项风险,涉及不存在会对项目实施产生各种负面影响的历史遗留问题。
综上,针对问卷进行的探索性因子分析得到的主成分与量表的初始维度基本保持一致,充分说明本问卷架构效度好。
验证性因子分析的拟合指标如表 4所示。
由表 4可以看出,验证性因子分析的各个指标表现均较好,说明验证性因子分析的结果较好,与探索性因子分析的结果相同。
2.问卷的信度和效度分析
在探索性因子分析和验证性因子分析后,删除无效题项再进行信度和效度分析,结果如表 5所示。
首先使用Cronbach α系数对量表内部一致性信度进行检验,利用SPSS 18.0进行数据处理。
计算可得到整体问卷的Cronbach α系数为0.71,且各社会稳定风险影响因素的Cronbach α系数也可以计算得到,结果均超过0.7的检验标准,表明各变量实现了较好的内部一致性信度。
组合信度(CR)可以更精确地测量问卷的架构信度。目前采用的一个判断标准是:信度系数0.9以上是优秀,0.8是非常好,0.7则是适中,0.5以上可以接受;低于0.5表示至少有一半的观察变异来自于随机误差,它的信度不应接受。由表 5可知,除最后一个因素只有一个测量变量,CR值较低外,其它各因素的CR指都可以接受,说明量表的架构信度较好。由标准化因子载荷系数和各隐变量(维度)的平均变异萃取量(AVE)可知,各隐变量收敛效度良好。
(三) 分析模型构建由第二节提出的3个假设模型,基于因子分析的结果,本节分别根据3个假设模型进行结构方程模型的建模。结果如图 6~图 8所示。
为比较三个模型对问卷数据的拟合情况,对三个模型的各个拟合指标对比结果如表 6所示。
由表 6可知,模型一的卡方值最小,NFI指标值最高,NNFI和CFI的值与模型一和模型二一致,综合比较来看,模型一对原始数据的拟合效果最佳,所以三个模型中模型一是反映大型工程建设项目社会稳定风险影响因素之间最佳的结构方程模型。即需要考虑大型项目建设过程中对当地自然环境的影响与对征地拆迁安置的影响之间的关联,以及考虑征地拆迁安置与对当地经济利益的影响之间的关联。
根据模型一结构方程模型的结果,可以得出隐变量之间的影响权重,结果如表 7和表 8所示。
由表 7可知,拆迁安置与社会环境之间、社会环境与媒体舆情之间的关联影响权重相对比与其他因素较大,也就是说在涉及大型工程建设项目中的土地房屋征收、拆迁、安置方案要尽量详细、妥善,并尽量减少对当地社会环境的影响,尽可能地令公众满意,减少媒体舆论负面消息、新闻的曝光,以获取积极的媒体舆论导向,从而降低社会稳定风险的发生。
由表 8可知,项目技术经济管理与社会环境之间的关联影响权重较大,在一定程度上也说明了科学、可行的项目工程技术方案可大大降低对当地社会环境的影响。因此,项目工程技术方案的制定就显得尤为重要了。
四、结论本研究构建了基于SEM的大型工程建设项目社会稳定风险分析路径,结合某大型机场建设项目,首先采用问卷调查法获取数据,并先经探索性因子分析得到八个主成分涵义,再经验证性因子分析及信度、效度分析,完成数据分析,获得可供构建结构方程模型的数据。
根据识别出的风险因素构建社会稳定风险影响因素的初始假设模型,进行了结构方程建模,通过对隐变量之间的影响权重的对比,进一步研究了社会稳定风险影响因素的关联关系,从而有效识别影响整个项目社会稳定风险水平的关键风险因素所在,即拆迁安置、媒体舆情、项目技术经济管理等维度。
该分析路径避免以主观判定代替风险评估,定量分析社会稳定风险构成原理,为后续大型工程建设项目社会稳定风险预警体系的研究形成了一定的基础。
[1] |
程开明. 结构方程模型的特点及应用[J]. 统计与决策, 2006(10): 22-25. DOI:10.3969/j.issn.1002-6487.2006.10.008 |
[2] |
VANCLAY F. Conceptualising social impacts[J]. Environmental Impact Assessment Review, 2002, 22(3): 183-211. DOI:10.1016/S0195-9255(01)00105-6 |
[3] |
孙元明. 当前国内群体性事件及其发展趋势研究[J]. 江南社会学院学报, 2008(3): 6-10. DOI:10.3969/j.issn.1673-1026.2008.03.002 |
[4] |
MATTHEW L. A systematic approach to project social risk & opportunity management:a brief note for project managers of large infrastructure and extractive industry projects[J]. Engineers Against Poveriy, 2008(9): 6. |
[5] |
RALF D. The theory of social conflict[J]. Academic Trend of Thought, 2006. |
[6] |
关蓉, 苗玉茵, 刘苗, 等. 大学生统计课程学习态度的结构方程模型[J]. 统计学与应用, 2018, 7(2): 90-98. |
[7] |
李晶晶, 张飞涟, 颜红艳, 等. 基于能力与环境匹配的建设工程施工项目经理怠工行为分析[J]. 铁道科学与工程学报, 2018, 15(4): 1088-1094. DOI:10.3969/j.issn.1672-7029.2018.04.035 |
[8] |
胡志.大型工程设计企业健康工程建设分析研究[D].兰州: 兰州交通大学, 2017.
|
[9] |
李红霞, 范永斌, 孙庆兰, 等. 基于结构方程模型的基坑工程事故致因分析[J]. 西安科技大学学报, 2015, 35(6): 794-799. |
[10] |
梁昀.基于利益相关者视角的政府重大决策社会风险评估研究[D].临汾: 山西师范大学, 2014. http://d.wanfangdata.com.cn/Periodical/jjwt201209012
|
[11] |
王立, 王峥, 王永梅. 公共政策过程中的利益考量——基于利益相关者理论的分析[J]. 管理学刊, 2012(4): 80-84. DOI:10.3969/j.issn.1674-6511.2012.04.015 |
[12] |
郑晶晶. 问卷调查法研究综述[J]. 理论观察, 2014(10): 102-103. DOI:10.3969/j.issn.1009-2234.2014.10.043 |
[13] |
陶永明. 问卷调查法应用中的注意事项[J]. 中国城市经济, 2011(20): 305-306. |
[14] |
吴兆龙, 丁晓. 结构方程模型的理论、建立与应用[J]. 科技管理研究, 2004(6): 90-92, 95. DOI:10.3969/j.issn.1000-7695.2004.06.031 |
[15] |
张玮炜, 尹志军, 陈立文. 基于全生命周期的项目风险分析方法比较研究[J]. 科技管理研究, 2007(9): 104-106. DOI:10.3969/j.issn.1000-7695.2007.09.037 |
[16] |
张进春, 吴超, 侯锦秀, 等. 工程项目风险的系统辨识方法研究——以某油气长输管线建设项目风险辨识为例[J]. 石油天然气学报, 2006, 28(3): 428-430. |
[17] |
赵振亭.重大工程项目社会稳定风险指标体系与评估研究[D].成都: 西南交通大学, 2014.
|