公众参与框架下的一种地方公共投资项目交互式决策方法

2018-06-01郑治华

社会科学家 2018年2期

安娜，郑治华

（内蒙古工业大学管理学院，内蒙古呼和浩特 010051）

公众参与决策具有反映民意、维护公民权利的功能。近些年来，公众参与政府决策的意愿在日益高涨，一方面是由于公众的公民意识在日益觉醒，另一方面是由于公众对地方政府的信任程度有所弱化。在未来，公民参与会成为更多管理者所要面对的事实（Thomas，1995）。公众参与是实现民主决策的重要保障，通过他们的诉求表达可以获得更多的来自民间的不同声音，也使得地方政府决策获得更多的认同和启发。公众参与地方公共投资项目决策对于确保决策结果的客观性和公正性是十分有利的，当然也会带来一些负面效应。因此，如何保证公众有效、有序地参与决策对于地方公共投资项目决策至关重要。交互式群决策思想为我们解决这一问题提供了思路。

一、交互式群决策原理

为了克服群体决策过程中的这一难题，人们开始引入讨论协商机制，通过群体交互达成群体一致，从而产生群体满意的决策方案。交互式群体决策将决策视为一个因果相连、前后衔接、从量变到质变的多阶段过程，通过决策者之间的沟通，不断对决策结果进行反馈和修正，最终达成决策目标。此外，交互式群体决策方法对决策者的有限理性和客观决策环境的无限性之间的矛盾较为重视，从而使决策结果更加的合理。

交互式群体决策可分为三步：首先，决策个体给出各自的偏好信息，按照一定的决策规则集结成为群体决策偏好；然后，决策个体对于所集结出的群体决策偏好进行满意度判断，如果满意度符合设定要求，则得到群体决策方案，决策过程终止；如果满意度未符合设定要求，决策个体需要根据其偏好满意度重新调整自己的偏好；最后，将经过调整后的个体偏好重新集结成群体决策偏好，并再次交由个体进行满意度判断，如果满意则决策过程终止，反之则重复以上的过程直到达到终止条件为止。

二、交互过程描述

地方公共投资项目决策是一个冲突、协商、合作等过程。专家、公众均参与到决策当中，会发生各种沟通进程：专家群体的沟通、公众群体的沟通、专家与公众的沟通等等。在这种交互的过程中，各决策参与方可以不断获得相关决策信息，对决策偏好进行不断修正和反馈。具体来说，每位决策参与者都要表达自己的决策偏好并和其他参与者交流，由此了解别人的决策偏好以及决策理由，反观自己的决策偏好，并在此基础上修正自己的决策偏好。而修正后的决策偏好将再一次重复上述过程，直到决策参与者对决策达成共识并得到满意的决策结果（如图 1）。

图1 公众参与框架下的交互式决策过程

这种交互主要体现在三个方面：

1.信息交流。由于受到不同价值观、信息有限性以及认识局限性等的影响，针对同一问题，每位决策者所持的观点可能是不同的。通过信息交流，可以促使每位决策参与者从不同角度甚至是与自己对立的角度去看待问题，充分吸收其他决策者的经验和想法，减少自身的认知偏差，逐步明确自己的决策偏好。

2.公众引导。指引的主要目的是帮助公众更加全面、客观地了解各个备选方案，向公众提供项目方案评价的相关知识，帮助公众更好地认知“自己应该做些什么”、“如何更好地表达自己的诉求”、“如何面对不同的意见和质疑”以及“如何修正自己的偏好”，提高公众对于地方公共投资项目方案决策的认知水平，使公众更加理性的参与其中。

3.偏好反馈。随着决策进程的推进，无论是专家还是公众都可以不断地获取决策信息，对决策问题也有了更为全面、深刻的认识，并在此基础上进一步明确了自己的决策偏好并进行修正。修正后的决策偏好信息将被反馈到下一轮决策过程当中，上述过程将被重复，直到得到满意的决策结果为止。

三、交互式决策模型

1.决策问题描述

假设需要对某个地方公共投资项目的n个备选方案进行选优，共有m个评价指标，一共邀请了K位专家和L位公众参与，需要进行多次交互决策直至得到满意的群体决策方案。

2.专家群体交互决策

在地方公共投资项目决策中，专家群体通过发挥自己的学术专长、业务技能及丰富经验起到至关重要的“智库”作用。如何衡量专家个体之间偏好和专家个体与专家群体间的偏好是解决专家群体交互决策的关键。通过对相关文献的查阅及实践发现，可用一致性指标来反映个体间的一致性，用共识度指标来反映个体偏好与群体偏好的一致性。而求解这两个指标的关键是偏好向量间的相似度。

专家群体交互过程的具体步骤如下：

第一步：确定专家的共识度阈值δ*。共识度的设置取决于具体项目的复杂程度和重要程度。一般而言，决策共识度不应低于0.5，否则意味着决策共识度较低而失去了群决策的意义。对于地方公共投资项目，决策共识度应该设置到0.6以上，特别是对于相对复杂、重要的地方公共投资项目，决策共识度应提高到0.7以上。

第二步：专家对备选方案进行打分，第k位专家给出的评价矩阵为。

第三步：计算判断矩阵相似度。首先，根据定义1－1将专家的判断矩阵进行向量变化，然后按照公式（1－1）和公式（1－2），来计算出每位专家的评价矩阵的相似程度。

定义1-1（评价矩阵向量化）：假设决策者的备选项评价矩阵为，“MtoV”代表该决策的备选项评价矩阵的向量化运算，则称n2×1向量的导出向量。

定义1-2：对于向量与，可构造A与B的闵可夫斯基相似度为

其中q＞0为实数的距离参数，可以按照实际需要适当选取合适的值。实数的距离参数常用的三个特殊数值分别是1、2和无穷大+∞，因为在以上三种情况下，公式（1-1）具有比较明确和直观的集合含义。

定义1-3（评价矩阵相似度）：设有K个专家参与某一项目的评价，第个决策专家的评价向量的相似度为

第四步：计算专家决策共识度。根据前面计算得到的各位专家的评价矩阵相似度和公式1-6计算出该阶段的共识度δ。

定义1-4（决策共识度）：设某阶段决策过程中，若专家评价向量MtoV（A1）的相似度为S1，则

为决策共识度。显然，0＜δ＜1，反映了专家群体意见的一致性程度。

如果该阶段的决策共识度达到了专家的共识度阈值要求即δ≥δ*，专家交互过程结束；如果未达到阈值要求，则需要重新返回第一步。对于相似度最低的专家，应要求其针对评价结果向其他专家做出解释和说明，这时有可能出现三种情形：

情形一：如果其他专家认为这位专家的理由是合理的，则专家群体将对评价结果进行修正并重新给出判断矩阵，再次进入决策流程。

情形二：如果其他专家认为这位专家的理由是不合理的，这位专家对其他专家的意见表示认可，则应要求这位相似度最小的专家修改自己的评价矩阵。

情形三：如果其他专家认为这位专家的理由是不合理的，但这位专家对其他专家的意见表示不认可并坚持己见时，不能简单的要求这位相似度最小的专家退出项目决策。为了避免决策失误，决策过程的组织者应该暂时中止决策进程，将争议交由更权威的专家或机构进行“决策复议”。

3.公众群体交互决策

对于公众而言，参与地方公共项目方案选择为他们直接表达个体诉求并影响决策结果提供了平台。与专家参与决策相比，公众群体参与决策存在两个不容忽视的问题：第一，受到能力、水平、经验等个体因素的影响，公众对决策问题的认知水平相对较低。对于这一问题，可以通过对公众进行“指引”得到有效解决。第二，公众群体中的一些人显然会是项目的直接利益相关者，他们会将追求切身利益的实现或免受伤害作为决策的“风向标”。即便通过多轮“交互”，出于自利动机，他们可能还是会拒绝修正偏好并“坚持己见”。在这种情况下，如果为了盲目追求达成共识而要求公众修正偏好，可能会引发矛盾和冲突，甚至会让公众产生“整个过程都是有导向性的，已经被精心安排而且设好了圈套”的想法。而是笔者认为公众群体的交互决策不应一味强调偏好“一致性”问题，通过多次交互后，公众仍然“各自为营”的情况是十分正常的。对于公众群体而言，当某一轮“交互”结束后，如果发现各位公众的决策偏好均不再发生任何改变并保持某种稳定性时，“交互”就可以停止了。笔者认为“聚类+迭代”为解决公众群体的交互决策问题提供了思路。

聚类是将数据分类到不同的类或者簇这样的一个过程，同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。本文采用了系统聚类法。

每位公众对某个方案的评分均可以看作是m维空间的一个点。于是，就可以用这些点之间的距离来说明其相似性。对m维空间的点，定义它们的各种距离，包括绝对值距离，欧几里德距离，明考夫斯基距离，切比雪夫距离，公式略。

计算各类之间的“距离”采用重心法（Centroid clustering）。设各类有一个重心，以重心间的距离定义类间距离，此时的距离一般选用平方欧氏距离（Square Euclidean distance），重心即均值。将两类合并为一类后，重心的计算公式为

其中，分别为合并前两类的重心，分别为合并前两类所含的公众数，为合并后新类的重心，为合并后新类（记为Gr）所含的样品数。

所谓迭代，是指为了逼近所需目标或结果，重复反馈过程的活动。“迭代”的思想形象地描述了公众群体交互式决策的过程。通过交互过程，公众可能会对自己的决策偏好进行修正，从而引起评价矩阵的变化，如果评价矩阵发生变化，那就要进行下一次迭代，直到公众群体的评价矩阵不发生质的改变为止。

公众群体交互过程的具体步骤如下：

第一步：公众对备选方案进行打分，第1个备选方案的评价矩阵为。

第二步：对公众的打分矩阵进行矩阵减法运算，消除共同趋势。依据每一个方案对进行聚类分析，标注每位公众属于哪类；

第三步：针对上一轮打分情况，决策组织方对公众进行必要的“指引”，包括提供更多决策相关信息，解释评价指标等，目的是提高公众对各备选方案的认知水平。

第四步：公众对备选方案进行第二轮打分，第1个备选方案的实数评价矩阵为。

第五步：对公众打分的评价矩阵进行减法后，依据每一个方案进行聚类分析，标注每位公众属于哪类，并且与上一轮打分的结果进行比较，分类是否存在变化，如果有变化转入第三步，否则决策结束。

4.专家与公众权重的确定

决策的权力通常通过决策者的权重大小和属性的权重大小来决定，由于将公众引入到了地方公共投资项目方案选择过程中，那就需要赋予公众决策的权力。由专家和公众群体自己来决定权重是比较合理的方式。本文使用熵权法进行赋权，具体步骤略。

四、实证分析

A市自来水水质较差，为了让居民喝上健康水，A市政府决定在整个市区范围内开展健康水工程。结合该区域的地质条件及供水情况，经过筛选，提出了三个备选方案可供选择，分别是管道直饮水方案、自助式水屋方案、零方案（不采取任何方案）。为了对备选方案进行决策，邀请了5位专家和45位公众参与其中。鉴于文献篇幅，本文将仅对决策方法部分进行详述，涉及到的其他项目决策信息，如项目背景、评价指标、具体评分矩阵等，由于涉及的数据量较大，将不再赘述和列示。

1.确定专家评分结果

第一步：确定专家的共识度阈值。如前文所述，专家决策共识度的确定取决于具体项目的复杂程度和重要程度。综合考虑相关因素，本文将专家共识度阈值δ*设为0.7。

第二步：依据地方公共投资项目方案选择指标体系，5位专家分别对三个备选方案进行第一轮打分，得到专家的第一轮评价矩阵。

第三步：计算专家评分的相似度。首先，将专家的评价矩阵进行向量化，然后按照公式（1－1）和公式（1－2），计算出每位专家的评价矩阵的相似程度。通过计算，每位专家评分的相似度见表1所示。

表1 五位专家评价矩阵相似程度表

第四步：计算专家的共识度。根据上一步计算得到的各位专家的评价矩阵相似度及公式（1－3），计算出第一轮专家评价矩阵的共识度δ，见表2所示。

表2 专家评价矩阵共识度

根据专家共识度的计算结果，第一轮专家打分的共识度均高于专家的共识度阙值0.7，这意味专家对备选方案的评价结论一致性较高，达成了较高的共识，故专家评分过程可以结束。

2.确定公众评分结果

第一步：公众对备选方案进行第一轮打分，得到公众第一轮的评价矩阵。

第二步：为了“去除共同趋势影响”，对公众评价矩阵进行两两对比，进行矩阵减法运算。“管道直饮水—零方案”、“自助式水屋—零方案”的矩阵减法结果均显示，公众对于零方案的评分明显低于管道直饮水方案和自助式水屋方案，这点也与专家方面的意见较为一致。因此，只需对管道直饮水方案、自助式水屋方案进一步比较。“管道直饮水－自助式水屋”的差分矩阵有正数、有负数且比较均衡，代表对公众来说，这两个方案各有所长。

将“管道直饮水－自助水屋”的差分矩阵，按照方案进行系统聚类，“1”代表管道直饮水方案，“2”代表自助水屋方案，标注每位公众属于哪类，详见表3所示。根据第一次聚类结果可知，有30位公众的评分结果支持“1”，即管道直饮水方案，15位公众的打分结果支持“2”，即自助式水屋方案。