新疆综合资质监理企业信用评价体系指标赋权研究

新疆综合资质监理企业信用评价体系指标赋权研究

赵玉婷1,2，张广泰1

1新疆大学，2新疆昆仑工程咨询管理集团有限公司，新疆 乌鲁木齐 830000

摘要：国家近年来大力推行社会信用体系建设，新疆地区建设行业信用评价工作处于初步阶段，全区开展监理工作的综合资质监理企业不足20家。本文站在新疆地区综合资质监理企业角度研究企业自身信用评价体系，主客观结合应用层次分析法与AdaBoost回归法确认指标权重。

关键词：综合资质监理企业;信用评价;层次分析法;AdaBoost回归法;模糊综合评价法

0 引言

我国社会信用体系建设“起步晚但发展迅速”，目前已呈现出政府主导、行业与社会团体支持、全民参与的良好发展态势。随着政府“放管服”力度的不断加大，新疆地区工程行业的信用评价体系逐渐增加并完善，综合资质监理企业更是需要参加多个行业、多个地区的信用评价。2021年底新疆地区开展监理业务的综合资质企业不足20家，包括本地4家，外地进疆13家。在日趋严峻的竞争环境中，新疆地区综合资质监理企业必须要有危机意识，进行综合性的自我审视才能更好地实现自我成长。

1监理企业信用评价研究概述

企业信用评价，是对企业履行社会承诺的意愿、能力和表现的评价活动。评价的主体一般是政府相关主管部门、第三方信用评价机构、银行等，评价的受体是企业。评价主体需独立、公正地开展工作，对收集的企业信用信息持审慎态度，客观地评判信用信息，评价结果按照相关要求进行公布[[1]]。

国外的“监理”主要是以“顾问”“咨询”为主，已建立了比较健全和成熟的信用评价体系。国内学者对信用评价的研究起步较晚，建筑企业信用评价近几年才逐步在各省、直辖市、自治区展开，虽然只有十余年，但发展迅速。国内学者对监理企业信用评价的研究多数站在地方政府、协会组织等视角，一般都是基于理论层面对某一专业的信用评价体系进行研究，或者改进现有研究方法的不足，站在企业角度考量信用评价应对之法及发展之策的研究相对较少。

新疆地区建设工程在“一带一路”政策的影响下，发展迅猛，本地企业经商环境受到外部市场的严重冲击。新疆地区信用评价工作起步较晚，各行业、各地州逐步建立并完善符合各自实际的信用评价标准，鲜有学者研究新疆本地综合资质监理企业信用评价体系。作为综合资质监理企业，业务向多元化发展，项目向多地区发展，针对自身发展的信用评价体系研究就显得尤为重要。

2 新疆地区监理企业参评的信用评价及平台建设情况

新疆综合资质监理企业受资质条件影响，需要参与多专业、跨地区的信用评价，相应的信息数据平台见表1。

表1 新疆综合资质监理企业参与的信用评价一览表

3 信用评价指标体系的构建

3.1 指标的建立

企业信用评价指标是指企业在市场经济活动中是否能够按时偿还债务的能力和该企业具有的可信任的程度，信用评价指标是企业对经济活动进行决策时的参考依据[1]。通过对新疆地区监理企业参评的现有标准分析，结合中华人民共和国国家标准《企业信用评价指标》GB/T 23794-2015附录A、ISO9000认证体系进行综合考量后，构建初始新疆综合资质监理企业信用评价指标，分为5个一级指标，26个二级指标。一级指标中：企业素质下设管理者素质、企业资质、团队建设、制度建设、员工权益保障5个二级指标；财务状况下设近3年主营业务利润率、净资产收益率、资产负债率、流动比率、应收账款周转率、总资产周转率、近3年产值平均增长率、近3年净资产平均增长率8个二级指标；管理水平下设ISO9000体系认证、施工现场监理人员素质、信息化建设情况、质量管理、安全管理

5个二级指标；社会责任下设信用管理、公益支持、履约情况、公众监督4个二级指标；发展前景下设市场能力、知识产权、获奖表彰、通报处罚4个二级指标。

其中，企业资质、员工权益保障、近3年产值平均增长率、近3年净资产平均增长率、ISO9000体系认证、施工现场监理人员素质、公益支持、市场能力等指标为本文在原有参考文献基础上，结合综合资质监理企业要求、新疆地区开展工作所应该承担的监理责任等方面增加的指标。

3.2指标的优化

邀请政府信用评价相关监管部门和监理企业参与信用评价管理、招投标管理、财务管理的38名相关专家采用1-9比例标度法对选取的指标进行评价与打分，选取中间标度5作为筛选基准，计算平均分，结果最小值为二级指标近3年净资产平均增长率，分值为7.05，最大值为一级指标企业素质与二级指标安全管理，分值均为8.35分，由于所有指标平均分明显高于基准分5分，因此选取的指标均作保留。

使用WPS-SPSSPRO数理统计软件进行问卷相关分析。计算随机变量X与Y的相关程度（ρ）以及相关系数（r），公式见式（1）与式（2）：

假设检验：

按照通常判断，当概率ρ小于给定的显著性水平（0.01或0.05）时，则认为原假设不成立，反之，表示要接受原假设。

本文选取财务状况下的二级指标进行分析，财务状况和近3年净资产平均增长率之间的相关系数值为0.370，呈现出0.05水平的显著性，其余7个指标与财务状况之间的ρ均小于0.01，都有着显著的正相关关系。因此，财务状况下的二级指标不再进行调整。同理，其他一级指标下的二级指标均与其有着显著正相关关系，因此，二级指标层不再做调整，也证明初始选取的指标是较为理想的。

3.3指标权重的确认

笔者查阅多个文献后，决定采用朱吉然、张帝、张志丹等[[10]]研究低压电力用户价值评价的方法，稍作变更，结合采用AHP法和AdaBoost回归法进行指标权重的确认。

3.3.1  应用AHP法进行指标权重的确认

（1）建立层次结构模型

依据新疆综合资质监理企业信用评价体系优化后的结果，明确决策的目标（信用评价体系）、考虑的因素（一级指标、二级指标）和决策对象（决策准则）按他们之间的相互关系分为最高层、中间层和最低层，绘出层次结构图如图1所示。

图1  层次结构模型图

（2）构造判断（成对比较）矩阵

对图1进行逐层分析，通过专家访谈问卷打分的结果构造成对比较的判断矩阵。参与打分的专家均为负责行业信用评价评分或者参与过标准制订的企业人员。采用的打分标准为1-9比例标度法，数值越大代表指标重要程度越强。建立的矩阵中，行与列上的因素两两相比，所得数值为相对重要程度，＞1的数值证明行比列上的因素更加重要，相反证明行比列上的因素相对不重要，=1证明行与列上的因素同样重要。

①构建一级指标判断矩阵

对目标层用O表示，对准则层一级指标企业素质、财务状况、管理水平、社会责任、发展前景分别以C1、C2、C3、C4、C5表示。比较各准则层对目标层O的重要性，对一级指标专家打分的平均值两两相比，计算商，见式（4），通过式（5）建立一级指标判断矩阵，并计算一级指标特征向量值。

使用和积法对5个一级指标构建的5阶判断矩阵并进行层次分析法研究，分析得到特征向量分别为（1.044，0.962，1.020，0.986，0.989），对应的5项权重值分别是20.873%，19.236%，20.396%，19.714%，19.782%。结合特征向量可以计算出最大特征值为5.000，通过式（6）计算得到CI值0.000。

对一级指标权重进行一致性检验分析，查询随机一致性RI表格可得5阶判断矩阵随机一致性RI值为1.120。

通过式（7）计算可得CR值为0.000＜0.1，该5阶判断矩阵满足一致性检验，计算所得权重具有一致性。

②构建二级指标判断矩阵

同理，设二级指标为、、……，根据图1，通过式（4）~式（6），分别建立二级指标成对比较判断矩阵，结合特征向量可分别计算出最大特征根分别为5.000、8.000、5.000、4.000、4.000，对照式（6）计算得到CI值均为0.000，经过层次分析，进行一致性检验分析，查询随机一致性RI表格可得五组判断矩阵随机一致性RI值分别为1.120、1.410、1.120、0.890、0.890，通过式（7）计算可得CR值均为0.000＜0.1，5组判断矩阵均满足一致性检验，计算所得权重具有一致性。依据建立的层次结构模型图，上节确立的指标权重无需再次计算。

应用层次分析法确认的指标权重如表2所示。

表2  AHP法确认的指标权重表

3.3.2 应用AdaBoost回归法进行指标权重的确认

AdaBoost回归法是周志华[[11]]在《机器学习》一书中介绍的一种使用机器算法对数据进行迭代决策树预测，对误差率低的学习器赋予一个高的权重，对误差率高的学习器赋予一个低的权重，结合弱学习器和对应的权重，从而生成强学习器的指标权重确认方法。

对专家访谈调研数据进行AdaBoost回归法进行指标权重的分析。分别选取下级指标作为自变量X，如管理者素质、企业资质、团队建设、制度建设、员工权益保障这组二级指标，选取对应的上级指标作为因变量Y，如企业素质，不进行数据洗牌，随机选取样本量中70%的数据作为参与机器模型训练的数据。

根据建立的AdaBoost回归模型分别计算各级指标所占的权重，并应用模型对每组数据的指标通过特征重要性进行了排序，并测算出其比例值。

一级指标特征重要性，财务状况指标排第一，占比31.500%；企业素质指标排第二，占比28.900%；管理水平指标排第三，占比16.700%；发展前景指标排第四，占比15.400%；社会责任指标排第五，占比7.500%。

企业素质对应的二级指标中，企业资质第一重要，占比33.800%；管理者素质第二重要，占比26.800%；员工权益保障、制度建设、团队建设分别位列第三、四、五位，分别占比17.500%、14.000%、7.800%。

财务状况对应的二级指标中，近3年产值平均增长率第一重要，占比24.200%；流动比率第二重要，占比19.800%；净资产收益率、近3年净资产平均增长率、资产负债率、总资产周转率、应收账款周转率、近3年主营业务利润率分列3-8名，分别占比19.300%、17.400%、9.800%、6.700%、2.100%、0.700%。

管理水平对应的二级指标中，ISO9000体系认证最重要，占比27.400%；其次是安全管理占比24.800%；信息化建设情况、施工现场监理人员素质、质量管理分别位列第3至第5名，占比分别为：20.800%、14.400%、12.600%。

社会责任对应的二级指标中，信用管理最重要，占比44.500%；其次是履约情况，占比29.000%；公众监督重要性居第三，占比17.000%；公益支持最后，占比9.500%。

发展前景对应的二级指标中，其重要性均在20%—30%之间，相对较为平均，其重要性按从高到低排序分别为通报处罚占比29.200%，知识产权占比25.600%，获奖表彰占比24.600%，市场能力占比20.600%。

将建立的回归模型应用到训练、测试数据，根据式（8）~式（12）进行如下计算：

①计算均方误差MSE：

②计算均方根误差RMSE：

③计算平均绝对误差MAE：

其中，为预测值，为实际值。

④计算平均绝对百分比误差MAPE：

一级指标组下的五组二级指标数据计算结果如表3所示：

表3  一级指标组模型评估结果

应用AdaBoost建立的回归模型，通过对比各组模型测试集与训练集的均方误差、均方根误差、平均绝对误差、平均绝对百分比误差，可以直观地看出，机器学习的训练集的均方误差、均方根误差、平均绝对误差、平均绝对百分比误差均明显小于测试集的相关数据，因此建立的六个回归模型均准确度高。

依据建立的层次结构模型图，应用AdaBoost回归法确认的指标权重如表4所示。

表4  AdaBoost回归法确认的指标权重值表

4结论

从表2可以看出应用层次分析法确认的每层指标权重差别不是很大，基本持平，这会造成后期评价模型评判的结果趋于平均化，达不到评价层次的实现。分别进行各级指标的权重确认，从表3看出采用AdaBoost回归法计算得出的每组指标重要性区分明显，能够便于后期评价模型评判结果的分级。因此，本文按照研究学者经常采用的办法，按照3:7的比例，对层次分析法得出指标权重与AdaBoost回归法得出的指标权重进行加权计算得到最终的权重如表5所示：

表5  新疆综合资质监理企业信用评价体系指标权重表

5 展望

本文是新疆综合资质监理企业信用评价体系研究的一部分，在此基础上，笔者将继续深入研究，建立模糊综合评价模型，选取适合的监理企业进行案例分析，从而验证综合资质监理企业自身信用评价管理的好坏，以及对多专业、多地域信用评价开展的应对之策。

参考文献

[1]中华人民共和国国家质量监督检验检疫总局,中国国家标准化管理委员会.GB/T23794-2015企业信用评价指标[S].北京:中国标准出版社,2015.

[2]中华人民共和国水利部.水利部关于印发水利建设市场主体信用评价管理办法的通知:水建设〔2019〕307号[A/OL].http://www.mwr.gov.cn/zwgk/gknr/201912/t20191209_1441110. html.

[3]中华人民共和国交通运输部.公路水运工程监理信用评价办法:交质监发〔2012〕774号[A/OL].https://cjhy.mot.gov.cn/ztzl/lszt/2018/xyzh/zcwj/201910/P020191021390380378986.pdf.

[4]新疆维吾尔自治区人民防空科学技术协会人防工程监理行业自律评比办法[Z].2021.

[5]新疆维吾尔自治区建筑市场信用评价管理办法[Z].2022.

[6]新交规〔2020〕15号.关于印发新疆维吾尔自治区公路工程监理企业信用评价实施细则的通知[Z].2021.

[7]兵建发〔2021〕11号.关于印发兵团建设工程企业和中介服务机构信用综合评价管理暂行办法的通知[Z].2021.

[8]乌鲁木齐市施工和监理企业信用评价管理办法（2022版）[Z].2022.

[9]克住建规〔2021〕1号.克拉玛依市建筑监理企业信用评价暂行管理办法[Z].2021.

[10]朱吉然,张帝,张志丹等.基于AHP和BP-AdaBoost的低压电力用户价值评价方法[J].电力科学与技术学报,2022,37(05):155-163. DOI:10.19781/j.issn.1673-9140.2022.05.017.

[11]周志华.机器学习[M].清华大学出版社,2016.