行为评价的灰色模型及其监管意义

2012-01-23孙劲峰晏路明

土木工程与管理学报 2012年2期

孙劲峰，晏路明

(1．厦门市建设与管理局，福建厦门 361003; 2．福建师范大学，福建福州 350007)

建筑信用监管主要通过固定分数和区分等级两种方式反映建筑市场主体(以下简称个体)具体行为的优劣，并实行累计评价与监管处理[1]，由此在中国大陆设区市层面得以实践化、具体化。作为其关键的建筑信用监管评价则是建筑业监管机关对个体守法履约表现的信任综合测度[2]。由于违法违约行为无法系统观测并由此采集数据，而须按照其类别与程序做出裁量认定，故该评价之科学性首先有赖于反映行为信息不确定性的正确性、相应记录信息生成的规范性和共享性。

鉴于概率统计学、模糊集理论、粗糙集理论及其衍生复合方法等常用不确定性处理方式，都需要就个体具体行为提供关于函数模型、大量信息、数据精度以及类别划分等方面的描述或刻画，但行政监管对此显然无能为力。而无白化权的区间灰数信息不确定性程度极高，且能涵容、生化、补充和白化信息，建筑监管及其评价的行为档次认定基础由此逐渐得到较系统论述[1～5]，但囿于困难而未能解决两个基本问题：行为类别记录衍生行为档次结构的理论基础和区间灰数；基于行为档次灰数且契合监管操作的系统数学模型。

1 研究现状

从相关的具体研究看，首先，鉴于中西方(建筑)市场监管存在重大的制度、机制与文化差异[6,7]，使监管评价很难也勿须从发达国家寻求理论依附或范式移植[8,9]；其次，中国的信用评价长期囿于分层指标体系设计，其研究存在着理论、技术、实证、实践、公信等多种重大局限[9～11]，自然难以供监管评价直接借鉴和简单适用。

为确切掌握相关研究情况，基于中文CNKI包库2000-2011年以“建筑信用”、“监管评价”和“信用监管”为题名实行模糊和精确检索所得146、163、102篇文献的查阅与分析(截止于2011-09-15)，有关研究呈现如下特点：

1.1 以理论诠释或技巧运用为主

首先，有王孟钧(2004，2006，2007，2010)、戴若林(2009～2011)、刘静(2009)、曾进(2008)等研究建筑市场信用体系或信息的机理及系统模拟；其次，何婧与宋吉荣等(2010)借助相对劣值隶属度、杨凌志等(2009)对建筑企业信用评价模型，杜忠晓、王洪礼(2009)对勘察设计企业效率，范志清、王雪青等(2009)基于物元分析对建筑执业人信用评价等做了研究；王首绪等(2010)基于模糊综合，袁莉、李宏男等(2009)基于支持向量机，靳淑敏、张翠肖(2008)基于决策树技术，刘高军、朱嬿(2005)基于数据挖掘技术，傅鸿源、彭天明(2008)基于BP神经网络，刘晓峰、齐二石(2006)运用AHP法与聚类分析，孙杰、何佰洲(2008)，周航、胡昊(2008)，李玉文(2007)利用未确知测度，任杰、刘振奎(2005)等也都研究建筑企业信用评价的体系或等级。但均偏重理论诠释或技巧运用，且要求监管部门或专家提供基本数据，适用性较差。

1.2 实务研究极少论及上述问题

刘敦楠、李瑞庆(2004)等对电力市场监管指标及市场评价体系，吴九红、王虹(2004)对我国保险监管评价指标体系构建，张俊民、韩传模等(2005)对会计师事务所诚信监管评价指标体系，高翔、陈荣秋(2007)对药品市场信用监管博弈分析，周春梅、张维(2007)对我国商业银行操作风险的全面管理与监管评价，刘铮、朱嬿(2009)对建筑施工企业可持续性绩效评价，左新敏、蒲春玲(2009)对新疆食品经营主体信用监管，王慧、刘爱东(2009)对独立审计信用监管机制，王光婷等(2009)对进出口企业质量信用评价与监管模式等研究，虽各有高论但都不同程度地存在文献[9～11]所述的条件限制和应用局限，特别是极少论及之前所述两个问题，且有关数据采集与技术处理还比较复杂，尤其不适合导向守法履约、实行人员更换、注重简便适用的监管评价使用，且总体研究落后于建筑业。

1.3 建筑业触及并期待破解难题

建筑业界较早探索信用监管建设的规律。如李健等(2005)对若干问题，王宁等(2005)对苏沪皖，全河(2007)对若干理论，岳阳等(2008)对青岛市，郝晶等(2010)对太原市，叶波(2010)对大连市，赵群雄(2006)对于制订与实施标准，高盛立等(2008)对质量信用机制，张艳华等(2009)对信用秩序优化对策等的研究，共同表明建筑业界对信用监管评价的重视和实践，但都未紧密结合日常监管操作而基于具体行为记录的科学生成与系统处理而破解前述两个问题。鉴此，文献[12～14]探索基于行为记录的简单建模与样本信息挖掘技术并给出应用实例，文献[3～5]系统论述建筑监管及行为档次认定模式，文献[5]论述建筑信用监管评价的理论基础与标准化锻造。但还必须结合监管理论与操作论述新的科学范式与蕴含逻辑，方可系统破解前述两个问题。

1.4 建立模型的必要性及其思路

为克服相关(近)评价都要求监管部门或专家提供基本数据、而监管及社会亟需的个体数据在自为层次上生成积累及衍生的信任评价却长期缺乏系统范式的弊端，必须立足上述研究和长期实践而深入研究：(1)行为类别记录衍生行为档次结构的理论基础及其区间灰数；(2)基于行为档次记录而统一辨别并支持监管操作的系统模型。以期为建筑监管实现记录生成与数值处理的规范化、评价操作的标准化提供不可或缺的数理模型，由此满足行为预警与风险感知[15,7]、信息集成与综合分类、导引风险运营监控[7]等实践需要，并促进监管数量分析的成长与开拓。

2 理论基础

理论基础包括灰色系统理论和市场监管原理，有关内容扼要综论如下。

2.1 灰色系统理论

灰色系统理论[16,17]通过内涵外延化而表征和处理系统行为数据的现实灰色信息：处理环节包括转化归结、信息补充、灰色默认和充分确认等；技术思想是“解的非唯一性”；求解途径是补充信息并寻求其满意解；信息准则立足对称与均衡、强调新信息优先。因此，将具体内涵各异的行为信息转换为合理、可比、同极性而可共享的区间灰数，可使行为档次架构和系统数学模型得以生成规范、刻画准确、推理可靠、处理科学。

2.2 市场监管原理

市场监管原理包括：具体行为的风险可感知与累积性惩罚[15,7]；必要但有限的监管容忍[18]及记分量度；导向合理、程序规范、架构适当、流程可溯、结果合意等。合理即合乎客观的规律或可能，合意即合乎主观的目的或意愿。就竞争博弈情形如监管而言，合意与合理时时存在矛盾，需要寻求谋略策略找到使之辩证统一的途径。因此，评价结果既要合意——合乎监管己方的目的与动机，又要合理——合乎监管对方的条件与可能。

总之，融合上述内容可形成具体行为不确定性刻画和灰色总评得分的数理模型和逻辑基础，开启评价决策的系统实证和开放研究。

3 系统模型与技术构造

根据灰色信息表征与灰数覆盖运算技术，先确立具体行为评价档次对应的区间灰数；再构建基于或涵容各区间灰数的数学模型。

3.1 行为档次的梯度逻辑与灰数表征

首先，根据法规法理与裁量细化之需为具体行为设置若干评价档次；其次，依照区间灰数的定义和运算规则[16,17]对各评价档次建立百分制区间灰数，以表征其信息有界浮动、无穷可能之特征；最后，以灰数序列作为档次认定、信息孕育和衍生处理的基本规则或记分基准(见表1)。

表1 行为类别、评价档次及百分制灰数区间

3.1.1不良档次的逻辑蕴涵与区间灰数

表1中，各评价档次所对应之灰数区间的浮动分值表征相应行为外在影响的强度，且各档次的排布与各行为认定的频率大体保持正态分布的回应平衡。对不良行为有监管导向的两个逻辑蕴涵：(1)对行为性质的裁断应当随不良程度提高而更加准确或更少异议，相应档次区间灰值的相对浮动程度就应越小。表中由区间宽度与区间中值的比值所刻画的相对浮动程度按照P1～P6顺序分别为0.4000、0.2857、0.2702、0.1333、0.0625、0.0571，正体现了监管的准确裁断梯度。(2)对较轻档次的累次扣分应当等效于相邻较重档次的一次扣分，且随行为不良程度提高而相应降低可容忍程度。表中随不良程度提高，相邻重、轻档次所对应区间灰值的比值(代表上述等效程度)及该比值的中值(代表等效程度的平均值)都相应减小，如P2/P1、P3/P2、P4/P3、P5/P4、P6/P5的对应数值各为2.0～4.0、2.0～3.5、2.0～3.0、1.29～1.57、1.29～1.45，及3.00、2.75、2.50、1.43、1.37，正体现了监管的合理容忍梯度。

3.1.2良好档次的逻辑蕴涵与区间灰数

设定良好行为各个档次，既要体现自身肯定层次或影响范围的差异，还要与不良行为档次相协调，共同表征监管的奖罚协调梯度。其灰数区间应当参照不良行为最高档次(P6)设置。首先，以P6的中值87.5为基准，分别以0.9、0.6、0.45、0.225的比率获得C4～C1各个档次区间中值的初值，这既可保证良好行为各档次的分值随良好程度降低而减小，也因其最高档次(C4)分值低于P6分值而防控监管忌讳的以奖代罚或重奖轻罚现象；其次，各评价档次均以上述所获初值为基点，各自浮动±5%后取其邻近整数为区间界点(左、右界点各按照取整、四舍五入方式确定)。

总之，区间灰数设定源于对大量行为及档次信息的提炼分析、比较总结及长期的仿真验证，充分地融合或体现中国各地或相关行业的记录计分经验、档次认定频度、区间界点取整、检查频率分类校正和搜索区间宽度适中的要求，且符合区间灰数的灰核和灰度之定义与运算法则[17,19]。

3.2 基于区间灰数的行为评价模型

按照监管的基本原理和通用要求，并结合建筑市场的实际，设置资质资格、经营管理、安全管控、质量管理、其他责任共5个监管分项及其对应的权重Wi(i=1，2，…，5)，并且视其彼此独立而构成个体信任综合评价的因子集。

3.2.1针对个体不良行为的评价模型

(1)

式(1)中：Y1为针对个体不良行为的总得分值；Xi为针对个体第i个监管分项不良行为的得分值(i=1，2，…，5)；Xij为针对个体第i个监管分项第j条不良行为记录的扣分值(j=1，2，…，n；n为第i个监管分项的不良行为记录数目)；Ft、Eq为对应于监管类别t(t=1，2，…，5)的检查频率校正系数(CCEF)和对应于抽查项目数量q(q=1，2，…，Q；Q为最大抽查数目)的项目数量修订系数[20](RCPN)，用以平衡检查次数和抽查项目数目的差异对扣分的影响；Gk为针对业绩区间k(k=1，2，…，11)的订正系数，用以平衡个体业绩偏离基准区间幅度的差异对扣分的影响，具体取值详见文献[5]中表1；d为表征对各监管分项的平衡程度和对低得分否决速度的特定指数(d>0，常取d=1.0)[14]。此外，Xij为越小越好的逆指标，Y1则为越大越好的正指标。

3.2.2针对个体良好行为的评价模型

(2)

3.2.3针对个体全部行为的集成模型

Y=A·Y1+(1-A)·Y2

(3)

式(3)中：Y为针对个体全部行为的总评得分值；A为反映两种行为互为矛盾并达成均衡程度的平衡系数(0

总之，因监管主旨是预警及防控风险[7,15]，故模型设置Ft、Eq、Gk、A等实参数及其取值而注重不良行为及其计分，也防范个体以奖代罚。建模基于对原有多个论述的推敲完善、拓展增补和综合集成，可从信任工程角度[2]获得支持。

4 关于模型的重要说明

模型(1)～(3)，基于行为档次记录或其区间灰数而公正衡量每一个体。但总评得分及模型参数都包含不确定性，故须补充说明。

4.1 灰色数学模型与求取确定性解

监管评价的目的是：尽可能或最大程度地区分所有优劣类别。故模型计分可以且应当：

(1)实施能合理达意地实现目的的信息补充与数学约束，使不同总评得分所构成样本的信息明确服从有效区分其类别差异的某种规律；

(2)补充无行为记录个体其各项原始得分取零值之定义，使模型合理、有效地适用于无具体行为记录个体的计分，其初始值为100×A；

(3)要求业绩达标的无行为记录个体之总评得分合意：自然而非经人为调整地介于最好类别与有行为记录个体总评得分的平均值之间；

总之，模型经过信息补充后方可求解。若上述条件不满足，则模型无数学解或其合意解。这不同于就某个体的Y序列做灰色数学处理。

4.2 检查频率校正和项目数量修订

(1)检查频率校正系数。用于按照监管类别t实行多次日常检查，可供质量、安全或市场等机构做差别化监管。其取值因应各类别的日常检查频数而异。具体取值与算法可以参见表2。

表2 特定正态约束下的检查频率校正系数

(2)项目数量修订系数。用于抽取部分项目实行单次日常检查，可供造价、招投标、检测或图审等机构做差别化监管。值为每条不良记录所在抽查批次的填报项数除以计数所得均值。

(3)无色监管系数取1.0。专项检查、举报或督办核查、随机检查、安全时点监督[21]，及其它按照无差异类别做多次日常检查的，均为无色(无差别)监管，相应的CCEF均应为1.0。

上述内容应由监管检查计划重点落实。

4.3 平衡系数A的理想值及其区间

鉴于：正常状态条件下总分为W的测评应服从平均值为W×70%、标准差为W×10%之正态分布的教育统计原理[22]；单位线段0.618连续地分割与合成的点位收敛于0.75的黄金分割(组合)点试验。由此得到如下推论：在W=100时，A的理想值为0.75、其允许区间为[0.65,0.85]。若将上述确定性数值视为区间灰数A的灰核，则上述推论正好就与4.1的(3)达成逻辑自洽。A浮动取值使Y值增强不确定性、包容性和应变性。