政府投资工程招投标人合谋行为监测画像研究

姚 岱，陈梦黎，陈 赟

(1.湖南省益娄高速公路建设开发有限公司，湖南 长沙 410000；2.长沙理工大学 交通运输工程学院，湖南 长沙 410114)

随着财政收入的快速增长，政府对基础设施和公共建设项目的投资力度继续增加，据国民经济和社会发展统计公报统计，自2005年以来，建筑业占国内生产总值的比重持续稳步上升。2014年增长率再创新高，建筑业增加值突破7%。从2014年到2018年建筑业投资力度不断加大(如图1所示)。

图1 2014-2018年建筑业增加值及增长速度图

然而，从项目建设来看，依然存在诸多问题[1]，比如：管理体制方面[2]、工程建设管理方面[3]等有诸多问题，但英国公平贸易组织的 Lord Borrie 认为在建设中最为突出的是招投标的合谋问题[4]。大量研究表明，由于制度建设滞后，潜规则普遍和惩罚力度弱导致的工程项目违法、腐败越来越多。近年来，从被曝光的合谋案件来看，案件涉及的金额愈发变大，合谋主体与方式多样，涉及面愈加广阔[5]。在国外，荷兰是最具有典型性和代表性的国家，该案件组织了4 000多家企业，涉及了28个建筑业，最终处罚了481家建筑公司[6]；而国内，浙江省审计厅在2010年度的审计工作报告中指出，政府投资项目中突出问题是围标、串标，普遍存在挂靠转包现象[7]。2011年，国家审计署针对京沪高速铁路建设项目的审计过程中发现，京沪公司排斥、拒绝投标人参与对曲阜东、常州北等站房的工程招投标，涉及金额高达4.9亿元[8]。2016年，湖南省常德市审计局在审计水利工程建设项目过程中发现，项目封闭运行、评标敷衍塞责等情况严重[9]。

在该背景下，随着互联网及信息处理技术的快速发展，“用户画像”是近几年来逐渐热门的一个研究方向。主要是通过对真实用户建模，从用户的行为信息、个体属性信息中提取特征从而生成一种类似画像的能够标识该用户的信息集合[10]。用户画像的概念自提出以来，就一直受到广泛关注，并在多个领域有所应用。本文主要研究内容是将大数据与合谋行为中的大量信息相结合提炼合谋行为规律，拟采用标签体系实现招标投标领域招标人与投标人合谋行为的画像研究。

一、合谋行为分析

行为证据分析法的创始人特维认为，绘制画像的前提是必须同时具备两个不同类别的信息。第一个方面包括正式的心理访谈分析报告和非正式的各种阶段的访问记录。第二个方面是各种公开的传媒资源，包括公众传播率很高的报纸、期刊等新闻记录以及电子媒体如网络等舆论报道[11]。本文研究招标人与投标人合谋行为采集的数据来源有三处：文献数据、法院卷宗数据和问卷调查数据等。

首先，从理论层面在中国知网(CNKI)检索“招投标”“串标”“合谋”等关键词，检索时间为2013年至今，除去新闻报道、会议通告等非学术性文献后得到556篇期刊论文。通过文献阅读发现招投标阶段参与合谋的有招标人、投标人、招标代理机构、评标专家。从图2可见，招、投标人参与次数最多，所以研究主体选为招标人与投标人，研究对象是招标人与投标人的合谋行为。

图2 招投标阶段合谋参与主体条形图

然后，通过《中国裁判文书网》可查阅到合谋立案的法院卷宗文本，检索关键词“招标”、案件类型为“刑事案件”、裁判年份2013年(之前年份检索到的合谋行为案例为个位数，故未做统计)到2018年(如图3所示)，发现每年的招投标合谋刑事案件数量不断上升。

图3 招投标合谋案件条形图

从上节对合谋现象的文献研究和刑事案件中可知，招标人与投标人的合谋问题不仅从理论研究上引起关注而且犯罪现象也愈发明显。虽然处理腐败、合谋问题的法律法规在不断完善，量刑标准也在不断更新，但多数工程企业在投标过程中，钻法规“空子”，打“擦边球”，经常犯一些不足以归为刑事案件的违法行为。

通过调查问卷将上述数据采集到的招标人与投标人的合谋行为进行筛选得到如表1所示的典型合谋行为，并将其标签化。

表1 合谋行为归类后汇总表

二、合谋行为标签化

根据上述构建的28条合谋行为标签，设置了调查问卷对其进行筛选、因子和聚类分析，调查问卷对象为政府人员、建设单位人员、招标代理人员、咨询人员、评标专家、高校学者等。共收到287份问卷，删除没有接触过招投标工作的问卷和20个重复个案，获取有效个案267个，问卷样本的男女比例接近2∶1，从性别和学历的交叉表分析，该比例符合工程行业性别分布情况，可不做问卷的加权处理。样本部分结构特征如表2所示。

表2 SPSS交叉分析

根据回收的有效问卷数据，用SPSS25.0对问卷进行信度分析、内容效度分析(如表3所示)，问卷整体信度为0.748，说明问卷设计、数据质量具有比较好的可靠性。表4中，第1、12、13、16、19、21、27条的α系数值均大于该问卷的Cronbach’s Alpha值，说明删除该行为后，问卷的Cronbach’s Alpha值提高，可信度上升，因此将这7项行为删掉，得到如表5所示的标签。

表3 问卷统计Cronbach’s Alpha系数表

表4 测算合谋行为Cronbach's Alpha系数表

表5 合谋行为特征标签表

三、监测画像构建

从KMO和Bartlett球形检验所得结果来看，KMO值为0.757(>0.6)，显著性水平P<0.001，适宜做因子分析，如表6所示。

(一)因子降维及标签分析

在SPSS25.0中，将标签纳入“降维”模块中的“因子分析”操作，设定“最大方差旋转法”萃取因子，初步设定抽取原则为特征值大于1，从旋转成分矩阵和解释的总方差等因素相结合来看，如表7所示，考虑到公因子选取不宜过多的原则，从表8中可得到以下结论，具备信、效度的21个因子可以提取5个公因子，且“旋转平方和载入”累积解释总方差达到72.4%。

表6 KMO和巴特利特检验

表7 招标人与投标人合谋行为标签因子解释总方差解释

表8 旋转后的因子载荷矩阵

根据表8中各因子在原始变量上的负荷系数，总结以下五种特征因子。

特征因子一：该特征因子与招标方式变化性、流标率、专家倾向性、资格审核通过率和信息的对称性等相关，这些因子综合体现以招标人为主导指示相关单位对投标人提供“有利”条件，此公因子可命名为以招标人主导合谋因子。

特征因子二：该特征因子与评标条款指向性、技术专有性、资质门槛、地方保护程度、合作经验、加分项合理性等因子相关，这些因子体现的是招标人与投标人合谋时，在招标文件中，招标人为合谋投标人“特意”设置倾向性的加分条件，此公因子可命名为招标文件合谋因子。

特征因子三：该特征因子与投标文件响应度、清单重合度、诚信记录等因子相关，这些因子体现的是招标人与投标人合谋过程中，投标人的投标文件与招标文件的高匹配度，甚至为了达到高匹配伪造材料等，此公因子可命名为投标文件合谋因子。

特征因子四：该特征因子与合谋评估度、合同额、招投标市场成熟度、监管力度等因子相关，这类因子的体现是招标人与投标人对于当前环境下，对合谋成本与收益的衡量程度，此公因子可命名为合谋衡量因子。

特征因子五：该特征因子与复评率、中标率、非第一候选人中标率等因子相关，这类因子体现的是投标人在合谋过程中以投标人主导，招标人辅助，用不正当的竞争手段达到目的，此公因子可命名为投标人主导合谋因子。

(二)聚类分析

当提取了表8中的5个区分监测画像的差异化特征因子后，选取K-means算法对所有的行为特征监测标签进行聚类，从而确立监测画像的个数。根据相关学者关于聚类算法在用户细分实证应用的建议[12-13]，聚类个数可限制范围为4-6类。而在最优聚类方案选择上，以招标人与投标人参与招投标阶段为特定情境，采用判别分析法与wilk’s lambda的选取规则[14]相结合的方法去选择最终的聚类方案。所以当聚类个数为4、5和6时，5个特征因子均显著(如表9所示)。聚类个数为6时，表中F值基本上差异不大，说明监测画像之间差异性不大，选择舍弃该方案，对比聚类数为4和5这两个方案，当聚类数为5时，投标文件合谋因子与投标人主导合谋因子区别不大，但当聚类数从5降为4时，wilk’s lambda值明显增加，表明聚类数为4时，F值差异性较好。因此，本文选取监测画像的聚类个数为4个。

监测画像聚类为4个时，从SPSS.25中抽取数据(如表10所示)，最终聚类中心均值表明每个监测画像在各个特征因子上存在着明显差异性。

表9 招投标人合谋行为监测画像聚类方案及判别分析指标

表10 聚类为4类监测画像的均值中心值

(三)监测画像可视化展示

为直观展现上述聚类分析获得的用户画像，本研究利用R语言中的wordcloud2软件包对招、投标人合谋行为监测画像绘制标签云。基于上述讨论，每个特征标签的字体大小由此类画像的对应隶属度决定，字体大、颜色深表示该标签影响显著，反之，字体小、颜色浅表示该标签不显著(如表11所示)。

表11 政府投资工程招标人与投标人监测画像可视化

四、监测画像描述及建议

根据表11绘制的监测画像描述特征因子，针对每类监测画像为监管部门提出有针对性的监测建议与方向。

(一)文本合谋型监测画像的特征

文本合谋型画像主要是由招标文件合谋因子与投标文件合谋因子组成。监管部门在招投标监管过程中可着重对招标文件与投标文件进行监测、检查，对招标文件与投标文件中的技术标、商务标和相关加分条件等进行检查，判断招投标文件中相关条款的“查重率”是否过高，还可注重检查某投标文件是否存在其他投标文件没有的加分资质或奖项，很有可能是招标人为潜在投标人设置的不合理条款等等。

(二)可操作合谋型监测画像的特征

可操作合谋型画像主要是由招标人主导的合谋因子与投标人主导的合谋因子组成。主要是对招投标过程中招标人与投标人行为是否异常进行监测，在招投标的每一个环节都要仔细监管，如资格审查中是否故意剔除其他投标人，潜在合谋投标人是否对其他投标人进行不正常竞争等等。比较隐蔽的合谋行为是招标人“帮助”投标人制作标书或者提供标底等合谋行为，监管部门可根据投标书价格与投标人突然要求修改报价等等异常情况作出合谋判断。

(三)潜在合谋型监测画像的特征

潜在合谋型画像主要是由合谋衡量因子组成。该画像中的监测标签隐蔽性强，但由于当地监管部门对合谋案件高频发生的项目特点、相关法律是否完备、招投标环节监管力度的强弱等等相对了解，所以主要是根据监管人员根据自身经验对项目是否会发生合谋进行预判，认为招投标人合谋的可能性大的项目就采取加强监督、加大合谋成本等措施阻止合谋的发生。

(四)成熟合谋型监测画像的特征

成熟合谋型画像主要是由招标人主导的合谋因子、招标文件主导的合谋因子和投标文件主导的合谋因子组成。该画像是由前两种画像组合而成，监测方向与措施见上。

五、结论

本文在大数据背景下，基于文献研究、裁判文书网中的案例文本等数据对招标人与投标人的合谋行为进行统计、梳理、筛选和聚类，得到五类合谋特征因子，分别是招标人主导的合谋因子、招标文件合谋因子、投标文件合谋因子、合谋衡量因子和投标人主导的合谋因子，对合谋特征因子进行聚类建立了文本合谋型、可操作合谋型、潜在合谋型与成熟合谋型四类监测画像，并将其可视化展示。针对四类监测画像主导合谋因子的不同，对不同类型画像进行分析和提供有针对性的参考与建议。可从招标文件、投标文件、当地政策与市场成熟、招标人与投标人交往密切等方面切入监管合谋行为。