城市基础设施建设PPP项目关键风险研究.docVIP

城市基础设施建设PPP项目关键风险研究 　　摘要：文章着重分析了我国PP?(Public Private Partnorship)项目的风险识别问题。文章通过对PPP模式相关的专家进行的问卷调查得到了我国PPP项目的20个关键风险。在问卷调查的数据分析的基础上，文章运用多元统计因子分析方法，将20个关键风险归纳为五个主因子，针对这五个主因子所包含的信息，提出了我国PPP项目风险管理的五个重要目标。 　　关键词：PPP；风险管理；风险识别：风险分解结构(RBS)；因子分析 　　 　　一、简介 　　 　　风险识别可定义为“系统地、持续地鉴别、归类和评估建设项目风险重要性的过程”。其主要内容是对影响项目进展的风险因素、性质以及风险产生的条件和风险可能引起的后果进行识别，据此衡量风险的大小。在PPP项目中，高效的风险管理是项目成功的关键因素，许多相关研究和案例已经对此达成共识。在我国。PPP模式的应用超过20年。由于缺乏有效的风险管理，关键风险不能被识别。导致了许多项目的不成功。为了在PPP模式中有效实施风险管理，关键风险的识别是风险管理体系的重要基石。 　　本文将通过系统化的方法识别出国内PPP项目的风险。在识别风险的基础上，通过问卷调查得到各风险的相对重要性，从而得到最关键的风险。同时，本文在问卷数据的基础上对关键风险进行了因子分析，从而得到了国内PPP项目风险的主要成分。并据此提出了有效风险管理的对策。 　　 　　二、基于问卷调查的我国PPP项目关键风险识别 　　 　　为了识别我国PPP项目最关键的风险因素，东南大学建设与房地产研究所组织了针对PPP模式研究领域的专家学者的问卷调查，时间自2007年3月～2007年8月。接受调查的专家被要求通过1打分～5打分的方法选择各个风险的重要性，1分代表不重要，2分代表或许重要，3分代表重要，4分代表很重要，5分代表非常重要。调查中，总计发出205份问卷。回收50份有效问卷，有效回收率为24.38％，高于国外PPP模式相关的研究调查，因而回收的问卷可以满足相应的研究和数据分析。 　　 　　如表1所示，列出了各风险的重要性指数平均值和样本方差。在所有41个风险中，最高得分4.52(不稳定的公共部门合作者)，最低得分2.24(PPP项目移交时的残值风险)，只有一个风险得分高于4.5分(非常重要)，没有风险得分低于1.5分(不重要)。最终通过筛选，均值高于3.5分的风险被列为我国PPP项目的关键风险。分别是F1、F2、F14、F7、F5、F8、F19、F32、F4、F40、F23、F31、F20、F39、F6、F25、F30、F18和F17。 　　 　　三、基于因子分析的我国PPP项目的有效风险管理对策 　　 　　通过问卷调查得到的20个关键风险对于我国PPP项目的风险管理非常重要。然而，这些关键风险并非相互独立的，他们包含风险管理的各个方面的相关信息。这些信息体现了目前我国PPP项目风险管理中的弱点与优势。也就是说，我国PPP项目风险管理中哪些方面需要得到提高，可以从关键风险提供的信息中得到，从而为有效风险管理提供建议，以达到风险管理的目标。这一目标就是，通过风险管理促使PPP项目的运营达到最佳价值。因而，对于关键风险的问卷数据分析将有助于确立体现最佳价值的风险管理目标，促进高效率的风险管理的实施。 　　如前所述，列于表1中的风险与不同的风险组存在因果关系。虽然这些风险组并无联系，但是与风险组相关的关键风险共同包含风险组的信息，因而各个关键风险之间存在密切联系。因子分析法是可以将具有错综复杂关系的变量综合为数量较少的几个因子的多元统计分析方法。其基本思想是通过分析变量间的相关系数矩阵内部结构，将原变量进行重新组合，利用数学工具将众多的原变量组成少数独立的新变量，这种新变量称为因子。因子分析就是找出这些影响系统的最少独立变量的因子，用较少具有代表性的因子来概括多变量所提供的信息，找出影响观测数据的主要因素，反映变量间的内在关系。因而，通过分析关键风险之间的相关系数矩阵，发现关键风险之间的相关性，利用因子分析来简化降维，以较少的但又包含大部分原始信息的综合因子来代替原有的20个关键风险，由于提取出的综合因子并不相关，故而可以根据新维度下的综合因子包含的信息对实施有效风险管理提出积极的建议。 　　通过对问卷数据的KMO测度和Bartlett球形检验，KMO系数略微偏低(0.673)，但是Bartlett球体检验的Chi-square统计值的显著性概率是0.000，小于0.1。说明数据具有相关性。综合来看，能够做因子分析。本文运用SPSSl5，0完成了数据分析，其中采用了主成分分析法提取了5个综合因子，得到公共因子的特征值和贡献率，贡献率表示该综合因子反映原有关