工程质检机构信用评估指标体系构建

龚鑫蒙， 苏义坤

(东北林业大学土木工程学院， 哈尔滨 150040)

2017年住房与城乡建设部颁布了《建筑市场信用管理暂行办法》，建筑业的信用建设被摆放到了突出位置[1]。在工程建设领域中，项目的实施往往牵扯众多的利益相关主体，比如建设单位、施工单位、监理单位、勘察设计单位以及材料供应方等等，因此一向是失信爆发的集中区[2]。而由各个利益相关方的失信行为造成建筑物严重质量问题的案例更是不计其数[3]。作为建筑质量的重要保障，工程质量检测机构的信用缺失或将加深建筑物的质量危机，从而威胁着广大人民群众的生命和财产安全[4]。因此十分有必要对工程质量检测机构的信用水平进行评估，从而保证质检机构的诚信检测，进而更好地保障建筑物的品质水平。

近年来，国内外学者对信用评估的相关研究主要集中在两个方面：一是关于对研究对象的信用评估指标体系的构建。Rao等[5]为了减少借贷行业中投资者的风险，而开展对借贷者信用风险指标体系的研究。首先，基于文献梳理选取初步的指标体系；接着采用计算指标体系的不平衡值的滤波方法来对指标进行筛选；最后通过启发式搜索算法过滤特征子集的Lasso-logistic方法对优化筛选后的指标体系进行实证检验。Li等[6]基于非参数贝叶斯判别模型和参数贝叶斯判别模型来分别建立对小型企业的信用评估的指标体系，并通过受试者工作特征(receiver operating characteristic,ROC)曲线来检验两种建立指标体系的判别精度水平。王慧敏等[7]通过文献研究、整体分析与专家访谈的方法建立了对建筑企业标准化能力评价的指标体系，通过统计分析的方法验证了指标体系的协同作用的相关性，最后通过实际案例的实证分析验证了指标体系的合理性以及评估模型的科学性；二是关于对信用评估模型方法的审视。对于信用评估模型建立的方法基本统共有三大类，即分别为数理统计类方法、机器或深度学习类方法和基于不确定性数学理论的方法[8]。数理统计学类方法主要是在大量随机现象的基础上研究其中的规律。Wang等[9]通过对PPP(public-private partnership)模式下的信用风险的研究提出了修正的Credit Metrics模型和蒙特卡罗模拟的方法，对融资信用风险的违规概率进行评估，有效分析了银行在不同还款计划的和风险偏好对评估的风险影响。Wu等[10]通过定性与定量的方法，从多维度来建立对个人信用评估的指标体系，并基于层次分析的方法构建对个人信用评级的模型，实证分析的结果表明评价模型能够满足要求和交易的特点。其次是机器学习类的评估模型的方法。随着大数据、智能化相关专业的飞速发展，近年来，管理科学的有关方向和问题的研究越来越多的结合着机器学习的方法，比如神经网络和改进的神经网络、支持向量机、随机森林、多智能集成学习等[8]。利用机器学习进行信用评估的方法智能化水平较高，但其经济解释却较差。Chen等[11]基于BP(back propogation)神经网络的方法构建了个人信用评估模型，通过对权值调整方法的对比，证明了BP神经网络评估模型具有良好的鲁棒性。Oreski等[12]根据数据挖掘技术，提出了遗传-神经网络的混合算法，有效提高了分类精读和可扩展性，同时也扩展了信用评估模型的方法。Xie等[13]基于支持向量机和物流回归的方法首先提出信用风险评价指标体系，接着在此基础之上建立综合评价模型，扩展了中小企业的风险评估理论。最后是关于不确定性数学模型方法，包括模糊综合评价、灰色系统等[8]。

国内外关于信用评估研究的成果众多、研究方法也相当丰富。但对于工程质量检测机构为研究主体的信用研究尚处于空白，特别是缺乏一套可以综合反映质检机构信用水平的指标体系。信用指标体系是信用评估的基础和先手，一套合理、系统的信用评估指标体系不仅有利于信用评估的科学性[14]，同时也有利于促进质量检测机构信用水平的提升。鉴于此，现将构建工程质量检测机构的信用评估指标体系，以期为工程质量检测机构的信用评估打下基础。

1 工程质检机构信用评估指标体系构建的原则和逻辑流程

1.1 工程质检机构信用评估指标体系构建原则

指标在构建时，除了要满足研究对象的内涵本质外，还应当是具体有效的。换句话说，比如，指标体系一方面要满足对研究对象的反映，另一方面也应当具备可操作性，否则构建的指标体系将是空洞的，不具现实效力的。也就是说，归结起来，指标体系的构建需要满足以下的原则。

1.1.1 目的性

目的性即为开展本研究的目的，目的性是统领指标构建的根本所在，是指标构建所应遵循的第一要义。

1.1.2 完善性

在对评估对象进行指标的构建时，也应当考虑到构建的指标须能够全面、完备地反映出研究对象的所有内容。也即反映出研究对象的主要特征和信息。

1.1.3 可测取性

选取指标时在满足对象一般特征的本质后，还要具备对指标的方便测度的条件，否则数据可能不具备信度和效度，最终将影响研究结果的准确性。

1.1.4 独立性

独立性原则要求指标与指标之间应当互不影响，并且相互之间也不可发生融合、交叉、重叠等具有歧义性的语义。各个指标应当独立地根植在所属的维度集合中，不应同时具有多个维度集合的语义。

1.1.5 显著性

显著性的目的是为了精简指标。也即剔除指标体系中对研究对象的反映效力不大的指标。

1.2 工程质检机构信用评估指标体系构建的逻辑流程

对工程质量检测机构信用评估指标的研究是一项系统且复杂的工作，因此为了保证研究结果的科学性和研究过程的严谨性，本研究将遵循如图1所示分析流程。

图1 逻辑流程图Fig.1 Logic flow chart

2 基于扎根理论的工程质检机构信用评估指标初步选取

根据复杂性系统理论可知，工程质量检测机构的信用评估指标构成了一个复杂的系统，系统内部的因素众多。所以本研究决定使用扎根理论的方法，用来满足指标构建中的完善性原则。

根据扎根理论的原理，本文中划分了以下的研究步骤：①根据工程质检机构的本质内涵与特征，设计问题性的调查问卷；②采用结构化访谈的方式收集文本数据；③基于三种编码对资料深入分析，并反复不断地进行总结、归纳整理以建立概念间的联系和概念中的类属，进而选取与研究相关的定性指标；④检验编码理论的饱和性。

2.1 数据获取与访谈过程

为了获取指标体系构建的原始数据，本研究选取了20位受访对象，分别包含相关研究方向的高校教授、专家学者以及从事工程质量检测工作的专业员工。2021年6月12—16日课题组成员分别对其进行了深度访谈。并在征求被采访者同意的情况下，对本次采访进行录音。访谈完成之后，访谈组成员将进行文字的转录工作，根据被访者的语言描述和肢体语言及动作表情，来全方位地保证资料收集的原始性。转录后的文字资料，在经被访者确认之后存档，并带回课题组。本次访谈中最长的访谈时长为50 min；最短的访谈时长为16 min。所有访谈一共累积文本文字209 381字。随机挑选出文本文字的3/4进行编码，1/4用于进行理论饱和度检验。

2.2 扎根编码与指标体系初步构建

在扎根编码时本文中仅展示“机构受到的奖励/处罚”和“履约率”两个概念化类属，如表1所示。

表1 基于扎根理论的开放式编码Table 1 Open coding based on grounded theory

接着对编码的结果进行理论饱和度检验，并未发现有新的理论、概念出现，预示本次基于扎根理论的指标初步构建工作结束，如表2所示。

表2 工程质量检测机构信用评估指标集Table 2 Credit evaluation index set of engineering quality inspection agency

3 指标体系筛选

由于扎根理论是定性的研究方法，主要依靠被访谈者的经验来达到指标构建的全面性，因此主观性较强。所以，为了保证指标构建的客观性，需要对初步构建的指标进行定量筛选。

根据指标构建的原则，本研究将重点对初步指标体系进行冗余性和相关性筛选，以分别满足指标体系的显著性和独立性原则。本研究通过问卷调查的方式来进行指标筛选的数据收集。其中被进行问卷调查的专家均来自于住房与城乡建设部下设的国家建设工程质量检测中心，以及各省、直辖市、自治区及新疆生产建设兵团下设的建设工程质量监督站。本次问卷一共发放200份，其中回收了188份，为了保证收集到的问卷的质量，课题组成员对回收到的问卷进行了筛选，剔除了无效问卷，最后得到有效的问卷数为179份。问卷的回收率为94%，有效回收率为95.21%。

3.1 基于信息量的指标体系显著性筛选

指标的信息量是衡量某个指标反映被评估对象特征多少的量度。根据协同学理论，对复杂系统的描述依靠少数核心的参数即可有效表达。也就是说，在指标体系中，并非指标越多越好，相反应当保留信息量高的核心指标[14]。

信息熵是用于反映信息量的术语。指标的信息熵越大就表明指标体系中所含有的信息量越少，指标就越不显著，也就是说这样的指标体系越不利于进行综合评估。进行信息熵的一般步骤如下。

假设有p个待评价对象，n个评价指标。则第j项指标的信息熵Ej可表示为

(1)

表3 各个指标信息量计算汇总Table 3 Calculation and summary of the information volume of each indicator

3.2 基于相关分析的指标体系筛选

通过信息量筛选后的各个指标在重要性上不言而喻，但是对于指标间重要程度相当的两个或多个指标是否同时存在，也即指标之间是否存在共线或相关性重叠的问题，还需要做进一步地分析。

对指标体系的相关性筛选，以保证指标间的独立性，最基本的是需要考虑两点：①指标体系的整体独立，也即防止多个指标间的共线；②指标的两两独立，也即防止两两指标的共线。因此，本研究将使用病态指数循环分析法来实现指标整体独立；利用Pearson相关系数结合变异分析来实现指标的两两独立。具体操作步骤如下。

假设显著性筛选后剩余n(其中n∈N+)个指标，Ii是剩余的n个指标中的任意一个指标。

(1)计算ITI的特征值λ1，λ2，…，λn，计算公式为

|ITI-λjEn|=0

(2)

式(2)中：IT为I对应指标集的转置矩阵；En为单位矩阵。

(2)计算指标集的病态指数CIn，计算公式为

(3)

病态指数CIn的含义为指标集整体的信息重叠程度。CIn越大，越表明指标集的整体信息重叠程度越高，也就越需要进行对某些指标的剔除。

(3)按照上述式(2)和式(3)的方法计算剔除指标Ii(i=1，2，…，n)后，其余n-1个指标构成的指标集的病态指数，记作CI(n-1)i。

(4)计算指标Ii的整体信息重叠贡献度，计算公式为

Ci1=CIn-CI(n-1)i

(4)

式(4)中：Ci1表示删除第i个指标前后，指标集信息重叠的减小幅度。Ci1越大，表示第i个指标对指标集的信息重叠的贡献程度越大，也就是说越应当剔除这样的指标。

(5)删除n个指标中Ci1至最大的指标，即

Cj1=max{Ci1|1≤i≤n}

(5)

步骤(1)～步骤(5)为第一轮筛选。一般地，如果剔除信息重叠贡献度最大的指标后，剩余n-1个指标组成的新指标集的病态指数不大于10，则停止筛选[14]。反之继续依据上述步骤进行对新指标集进行基于病态指数的筛选，直至最终的指标集的病态指数不大于10为止。

基于病态指数筛选后的指标体系在整体上已不发生共线，接下来则需要检查指标内部两两指标的共线问题。

(6)假设需要考虑的有m个指标，Qi、Qj分别表示第i个和第j个指标，Qi,s、Qj,s分别表示第s个Qi、Qj的打分值(i，s，j∈{1,2,…，m},且i，s，j∈N)，ri,j表示第i个指标与第j个指标之间的相关性系数，则

(6)

接着需要进行相关性判断。若系数ri,j=0，则表示两个指标之间完全不存在相关性关系；若系数ri,j≠0，则表示被判定的两个指标之间存在一定程度的相关性关系。事实上，在实际的操作中，两个指标完全不存在相关性关系的理想状态是几乎不存在的。现实中，只要两个指标的相关系数不超过一个临界值，那么就认为这两个指标是不具有相关关系；如果两个指标的相关性系数超过了某一临界值，那么就认为其具有相关关系，则两者须取其一。通常这个临界值Z被指定为0.7[16]。

然后利用变异分析来决定剔除两个相关指标中的某一个。

(7)计算第i个指标的变异系数cvi。则

(7)

式(7)中：cvi表示第i个指标取值的离散程度，一般地，cvi越大，则表示第i个指标越重要，越应保留。相关性筛选的计算结果如表4、表5所示。其中整体相关性筛选删除指标I96，两两相关性筛选删除指标I17、I27、I28、I63和I95。

表4 基于病态指数的指标筛选Table 4 Index screening based on illness index

表5 基于相关性系数与变异系数的指标筛选Table 5 Index screening based on correlation coefficient and variation coefficient

4 指标体系的合理性检验

(1)本研究利用独立信息波动赋权法来进行指标的合理性检验。经过筛选和优化后的指标体系若能反映出初步构建的指标体系的大部分信息量，则认为最终的指标体系是合理的。具体的操作步骤如下。

计算各个指标的标准差系数，公式为

(8)

(9)

(3)分别对各个指标的标准差系数Vj和独立信息比率Dj进行归一化处理，得到V′j和D′j。接着分别计算各个指标的纯信息量，其中

j=1, 2,…，n

(10)

(4)计算各个指标的权重为

(11)

(5)计算初步构建的指标体系中，筛选优化后的各个指标的权重之和W，若W≥85%[15]，则表明最终的指标体系可以反映初步指标体系的信息量。

根据步骤①～步骤⑤，最后计算出最终指标体系的权重值和W=0.906，这表明通过筛选后的指标体系不仅满足独立性和显著性，并且也是足够合理的。

5 结论

本文中综合运用了扎根理论、信息量、病态指数-Pearson相关系数-变异分析的方法，构建出了一套对工程质量检测机构的信用综合评估的指标体系，并通过独立信息波动赋权法完成了对最终的信用评估指标体系的合理性的检验。结果表明所建立的10个准则下的43个指标对工程质量检测机构的信用反映是合理有效的。建立起的信用评估指标体系不仅符合信用的5C理论，同时也可以对提升质量检测机构的信用水平具有良好的指导性作用。