基于PCA灾后重建恢复期学校项目综合评价.doc

基于PCA灾后重建恢复期学校项目综合评价摘要：本文针对灾后重建恢复期中项目进度、成本、质量及有效运转性的要求，建立了公益性投资项目中学校项目的综合评价指标体系，并运用主成分分析法，对四川省部分重建学校项目进行了综合评价，以期更好地总结灾后重建恢复期中公益性投资项目的经验。 关键词：指标体系；主成分分析；学校项目；综合评价 中图分类号: C93;P315.9 文献标识码: A 文章编号： 1 引言 近几年，我国先后遭受了大范围雪灾、特大洪灾、强烈地震等自然灾害，灾后重建工作十分严峻。根据灾后重建工作的时效性，可将灾后重建分为三个阶段:灾后重建前期、灾后全面恢复期和灾后社会系统的可持续发展期[1]。通过前期的过渡性安置，社会系统中的各元素都亟需恢复重建，使整个社会趋于稳定，因此恢复期的重建工作工期紧，任务重。对于教育系统来说，则需要确保灾区学生尽快告别板房进入永久性建筑学习。这个时期的重建项目强调“永久性”，关系到今后的可持续发展，这就需要将重建项目的质量、成本、有效运转性等方面作为重点评价指标，因此本文把重点放在对该阶段重建项目的综合评价上，并选用主成分分析法，消除指标间相关性的影响，通过降维技术将大量的数据转化为少数几个不相关的成分，达到对项目综合评价的全面性和合理性。 2 指标体系的构建 本文根据学校项目的灾后重建工作的公益性从硬性指标和软性指标两个方面建立了评价指标体系，并将建设项目质量可靠性、建设进度、投资合理性和适用性[2]-[3]做了进一步分解。根据大量的工程实例和可能获得的数据资料，所建立的指标体系如表1所示。 表 1灾后重建恢复期学校项目综合评价模型 其中：工期完成情况X2=(实际工期-计划工期)/计划工期； 预算完成情况X4=(实际投资额-计划投资额)/计划投资额； 两地之比X6=建筑面积/占地面积 3 主成分分析法评价模型 3.1 主成分分析法的特点 主成分分析法的主要思想是考虑到指标之间的相关性，根据一定的规则抽取主成分来代替原来的指标，使新的主成分包含原始变量绝大多数的信息且互不相关，从而达到降维的目的[4]。该方法中指标权重的确定是根据方差贡献率来计算的，具有一定的客观性和合理性，消除了专家评分法、层次分析法、模糊排序法等方法确定权重时的主观性，因而体现了其科学性。 3.2 主成分分析法的具体步骤[5] ① 对n个样本及其分别对应的p个指标所组成的n×p个原始样本数据矩阵： 进行无量纲化处理，即进行标准变换，并计算相关系数矩阵R。 令 其中， ② 计算相关系数矩阵R的特征值λ并按照降序排列，同时计算出相应的单位特征向量α。 ③ 计算方差贡献率 ，一般取累计贡献率达到85%以上的特征值个数k为主成分个数，则新指标 为原样本数据的第i个主成分。 ④ 按照 计算各样本的综合得分，并得出样本排序。 4 四川省部分灾后重建学校项目综合评价 4.1实例概况 根据可获得的资料情况，本文选取了部分灾区的七所中学，这七所中学均由外省援建，政府投资，属于公益性项目。另七所中学均为高中学校，办校规模大体一致，存在一定可比性。七所中学的校舍建设情况如表2所示： 来源: 根据灾后重建网数据整理得出 4.2 数据处理 根据主成分分析法应用中要求的指标同向性[6]，将单方造价指标取倒数，转化为造价率。同时，对全部指标数据进行标准化，以消除不同指标的量纲和量级差异的影响，使数据具有可比性。 4.3 主成分分析结果 对样本数据利用SPSS17.0软件进行主成分分析，结果见表3-表4。 从表3可以看出，前四个特征根累积贡献率已达到86.074%，满足≥85%的要求。因此只需要选取四个主成分即可，且这四个主成分以包含了原始变量的86.074%的信息量，具有较高的综合说明力。 表格 4 初始因子载荷矩阵 从表4中各主成分的载荷值可以看出，第一主成分主要反映了教师配备和工期完成情况；第二主成分主要反映了抗震等级、两地之比和建设速度；第三主成分主要反映了后勤比例、人均面积和预算完成情况；第四主成分主要反映了造价率这一指标。虽然四个主成分以包含了原始变量86.074%的信息，但每个主成分的意义并无法得以明确的解释，这也显示了主成分分析法的不足。 各学校的主成分得分和综合得分： 表格 5 各学校的各主成分得分 从上表可以看出汶川中学的重建项目综合得分明显高于其他学校，结合其各主成分得分可以看出：该校项目除了造价率得分较低以外其他指标的得分都较高，这也符合实际的重建情况。由于该校处于重灾区，属于重点援建项目