【摘要】：非經(jīng)營性政府投資項(xiàng)目(Non-profit Government Investment Projects,NGIP)是指政府為滿足社會公共發(fā)展的需要投入建設(shè)資金,且不以盈利為目的的大型基礎(chǔ)設(shè)施和公用事業(yè)項(xiàng)目。近年來,建立與完善非經(jīng)營性政府投資項(xiàng)目的責(zé)任約束機(jī)制成為我國投資項(xiàng)目管理體制改革與發(fā)展的重點(diǎn)和難點(diǎn)。目前,該類投資項(xiàng)目缺乏市場調(diào)節(jié)機(jī)制和過失追究機(jī)制、責(zé)任劃分不明晰、責(zé)任追究難以執(zhí)行,容易導(dǎo)致財(cái)政資金浪費(fèi),損害國家和納稅公民的利益,降低政府的公信力。因此,為了威懾和約束參建各方的履責(zé)行為,本文擬研究NGIP的責(zé)任追究方法。本文首先通過調(diào)查問卷、專家調(diào)研、案例研究以及實(shí)地調(diào)研等方式,研究我國NGIP目前的問責(zé)現(xiàn)狀,進(jìn)而通過對NGIP監(jiān)管及問責(zé)機(jī)理和國內(nèi)外政府投資問責(zé)理論的最新研究成果進(jìn)行分析,建立NGIP三維適時(shí)責(zé)任模式,在此基礎(chǔ)上探索NGIP責(zé)任監(jiān)測方法、責(zé)任容忍及觸發(fā)模型、責(zé)任歸屬方法,以期對NGIP全壽命周期內(nèi)發(fā)生的責(zé)任問題進(jìn)行定量分析和測量,實(shí)現(xiàn)合理、有效的責(zé)任追究,從而促使NGIP參建各方提高政府財(cái)政投資的使用效率。在對以往文獻(xiàn)的研究中,發(fā)現(xiàn)NGIP問責(zé)方法還存在如下問題:以事后追究為主的問責(zé)模式、責(zé)任監(jiān)測信息的不確定性與不完全性問題、難以合理消解項(xiàng)目的潛在責(zé)任狀態(tài)問題、追究行動(dòng)應(yīng)何時(shí)啟動(dòng)的問題、責(zé)任合理分配的問題。因此本論文主要研究內(nèi)容如下。(1)針對目前NGIP責(zé)任追究中存在的兩個(gè)問題:問責(zé)形式多為事后追究,事前、事中問責(zé)的研究較少;問責(zé)內(nèi)容主要以財(cái)務(wù)審計(jì)責(zé)任為主,缺乏對責(zé)任驅(qū)動(dòng)因素的關(guān)注。本文首先對NGIP監(jiān)管機(jī)理進(jìn)行分析并提出了“監(jiān)管場域”的概念,在此基礎(chǔ)上結(jié)合“結(jié)構(gòu)-行為-績效”(SCP)范式與NGIP全壽命周期責(zé)任變化特征構(gòu)建NGIP“時(shí)間-結(jié)構(gòu)-行為-績效”(SSCP)框架,并基于此提出NGIP三維責(zé)任模式,以建設(shè)過程維、責(zé)任強(qiáng)度維、監(jiān)測力度維作系統(tǒng)分析,以解決事后問責(zé)的缺陷,為NGIP過程問責(zé)行動(dòng)奠定基礎(chǔ);基于三維責(zé)任模式構(gòu)建NGIP全過程雙向度責(zé)任指標(biāo)體系,對以往較為有限的責(zé)任指標(biāo)構(gòu)建角度進(jìn)行完善和補(bǔ)充,在考慮項(xiàng)目效果與產(chǎn)出的同時(shí)考慮責(zé)任的驅(qū)動(dòng)因素管理及行為,力圖使非經(jīng)營性政府投資項(xiàng)目責(zé)任評價(jià)更為全面合理。(2)針對NGIP監(jiān)測評價(jià)方法中存在的三個(gè)問題:監(jiān)測信息的不完全性問題,現(xiàn)有的監(jiān)測評價(jià)方法難以完全表達(dá)監(jiān)管者的真實(shí)意見;補(bǔ)償性問題,經(jīng)過監(jiān)測評價(jià)后,某些表現(xiàn)較弱的指標(biāo)可能會被部分表現(xiàn)較好的監(jiān)測指標(biāo)所隱藏,反而獲得較好的監(jiān)測評價(jià)結(jié)果,從而被監(jiān)管者忽略;較少考慮監(jiān)管者的心理行為特征。因此,本文通過區(qū)間直覺模糊責(zé)任指標(biāo)評價(jià)值代替?zhèn)鹘y(tǒng)的實(shí)數(shù)指標(biāo)評價(jià)值,來表達(dá)不完全及不確定的監(jiān)測信息;通過交互式多準(zhǔn)則決策方法(an acronym in Portuguese of interactive and multicriteria decision making,TODIM)模型考慮了監(jiān)管者心理行為特征;在此過程中,通過模糊測度、模糊積分和Shapley值處理指標(biāo)的相互關(guān)聯(lián)問題,通過似然值方法辨別TODIM模型中的二元關(guān)系,以獲得更為合理的監(jiān)測評價(jià)結(jié)果;對于補(bǔ)償性問題,本文將PROMETHEE-II與TODIM方法結(jié)合,通過構(gòu)建流入流出函數(shù),消除補(bǔ)償性對責(zé)任判定的影響。在以上研究的基礎(chǔ)上,結(jié)合一般的監(jiān)測評價(jià)方法流程,構(gòu)建NGIP責(zé)任監(jiān)測模型。(3)針對NGIP責(zé)任監(jiān)測結(jié)果中具有可控性的責(zé)任問題,本文建立針對性的責(zé)任治理策略,將生物免疫相關(guān)原理引入責(zé)任治理,構(gòu)建“判別-選擇-協(xié)調(diào)-清除”責(zé)任免疫過程及責(zé)任容忍優(yōu)化方法,以期在不干擾項(xiàng)目正常運(yùn)行的情況下建立有效的引導(dǎo)和免疫過程。其中,責(zé)任容忍不是對責(zé)任問題的忽視,而是通過項(xiàng)目自身的運(yùn)行動(dòng)力與監(jiān)管方的合理施壓,通過自身免疫能力對項(xiàng)目關(guān)注級責(zé)任狀態(tài)這類隱含或半隱含問題進(jìn)行有效化解。在此過程中,本文結(jié)合人工免疫模型、量子識別理論構(gòu)建基于量子免疫算法的責(zé)任容忍優(yōu)化模型,解決項(xiàng)目責(zé)任狀態(tài)的優(yōu)化問題;對于量子免疫算法中的解空間搜索問題,通過混沌理論構(gòu)建自適應(yīng)變異過程,對最優(yōu)解進(jìn)行高效準(zhǔn)確搜索。基于以上研究建立了NGIP責(zé)任容忍模型。(4)針對NGIP責(zé)任監(jiān)測結(jié)果中具有潛伏性的責(zé)任問題,本文通過研究特異性免疫機(jī)制建立“感應(yīng)-反應(yīng)-效應(yīng)”責(zé)任追究觸發(fā)方法,針對監(jiān)測到的可疑類責(zé)任問題進(jìn)行跟蹤感應(yīng),并適時(shí)啟動(dòng)責(zé)任追究程序。首先建立項(xiàng)目責(zé)任動(dòng)態(tài)累積模型,對項(xiàng)目責(zé)任進(jìn)行跟蹤與動(dòng)態(tài)感知,通過區(qū)間中智集表達(dá)責(zé)任跟蹤信息,在解決信息的不完全性問題的同時(shí)解決信息失真的問題;通過累積前景理論來解決對項(xiàng)目時(shí)序階段累積前景進(jìn)行動(dòng)態(tài)感知的問題;為了避免將自體元素判斷為異己有害元素,受生物免疫的耐受原理啟發(fā),設(shè)置時(shí)間參照點(diǎn)、正常期望值、可接受期望值為責(zé)任感知參照點(diǎn),使責(zé)任感知更加合理;在責(zé)任累積模型的基礎(chǔ)上,基于極值理論建立責(zé)任觸發(fā)模型,并提出責(zé)任追究啟動(dòng)閾值的概念,計(jì)算在責(zé)任累積狀態(tài)影響下項(xiàng)目能夠保持正常進(jìn)行的限度,為責(zé)任追究行為啟動(dòng)決策提供參考。(5)針對項(xiàng)目責(zé)任分配的問題,研究基于社會網(wǎng)絡(luò)模型的復(fù)雜大型NGIP責(zé)任歸屬確認(rèn)方法,定量分析和測量各個(gè)參與方在關(guān)系網(wǎng)絡(luò)中地位、權(quán)利和責(zé)任,進(jìn)而合理地判定責(zé)任歸屬。將項(xiàng)目的各個(gè)參與方看作社會網(wǎng)絡(luò)模型中的結(jié)點(diǎn),分析各參與方之間的聯(lián)系并推算出其中心度,從而確定該關(guān)鍵點(diǎn)各參與方責(zé)任承擔(dān)的主次關(guān)系。以合同為核心確定責(zé)任主體,通過合同明晰各參與方權(quán)責(zé)匹配的關(guān)系,準(zhǔn)確地找出責(zé)任主體,保障責(zé)任追究合理、有效落實(shí)。
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：F283
【圖文】：

圖 4-5 基于專家態(tài)度變化的敏感性分析Figure 4-5 Sensitivity analysis based on the change of expert attitudes本章小結(jié)GIP 責(zé)任追究的首要問題是如何對項(xiàng)目責(zé)任進(jìn)行有效監(jiān)測和評價(jià)。測評價(jià)的定量研究非常少，現(xiàn)有監(jiān)測評價(jià)方法還存在一些問題，或質(zhì)量降低，或難以運(yùn)用于 NGIP 責(zé)任監(jiān)測的應(yīng)用情境：一是監(jiān)測信問題，難以完全表達(dá)監(jiān)管者的真實(shí)意見；二是補(bǔ)償性問題，經(jīng)過監(jiān)些表現(xiàn)較弱的指標(biāo)可能會被部分表現(xiàn)較好的監(jiān)測指標(biāo)所隱藏，這種監(jiān)測來說是不合理的；三是較少考慮監(jiān)管者的心理行為特征；四是指標(biāo)關(guān)聯(lián)性等問題使得 NGIP 責(zé)任監(jiān)測的科學(xué)性與質(zhì)量降低。對監(jiān)測信息的不完全性問題，本文通過區(qū)間直覺模糊責(zé)任指標(biāo)評價(jià)實(shí)數(shù)指標(biāo)評價(jià)值，解決了監(jiān)測信息不完全表達(dá)的問題；通過 TOD監(jiān)管者心理行為特征；在此過程中，在專家群體意見集結(jié)的過程中態(tài)度因素及專家的主觀偏好問題，使得群體意見的集結(jié)更為合理

對步驟五中生成的 進(jìn)行免疫選擇以生成新的個(gè)體 驟七，令 e e 1，轉(zhuǎn)到步驟二。算法性能測試及案例分析 算法性能測試了驗(yàn)證本文中量子免疫算法的性能，本文采用多峰函數(shù)來進(jìn)行驗(yàn)環(huán)境為 AMD CPU 2.60 GHz, 8.0 GB RAM，算法通過 MATLAB 參數(shù)的設(shè)置如下：進(jìn)化參數(shù)的最大值與最小值分別取max 0 0.005 ，變異參數(shù) 0.5 ，抗體總數(shù) 80tN ，記憶細(xì)胞存儲的0，隨機(jī)選取的抗體數(shù) 60pN ；進(jìn)化代數(shù)設(shè)置為 200。將量子免疫疫算法（Clonal Immune Algorithm，CIA）對測試目標(biāo)函數(shù)（如圖化求解。兩種算法分別進(jìn)行 10 次實(shí)驗(yàn)。使用兩種算法找到最優(yōu)解表 5-3 所示。兩種算法的時(shí)間對比見表 5-4。其中，“運(yùn)行時(shí)間” 200 次的運(yùn)行時(shí)間，進(jìn)化代數(shù)表示找到所有最優(yōu)解時(shí)的進(jìn)化代數(shù)

到不同時(shí)點(diǎn)的項(xiàng)目綜合累積前景值后，計(jì)算項(xiàng)目責(zé)任觸發(fā)得到的綜合累積前景值可能具有較大的差異性，單純考很難得到統(tǒng)計(jì)上的規(guī)律。因此為了獲得較好品質(zhì)的統(tǒng)計(jì)態(tài)下得到的綜合累積前景值0U ，兼顧責(zé)任狀態(tài)與正常狀與相對偏差，來構(gòu)造符合條件的統(tǒng)計(jì)量id 。00iiU UdU 目運(yùn)行過程中，隨著項(xiàng)目狀態(tài)的不斷變化，不同時(shí)點(diǎn)的責(zé)有大樣本特征的統(tǒng)計(jì)量，由此表明統(tǒng)計(jì)量id 也具有相應(yīng)心極限定理，樣本量為n的統(tǒng)計(jì)樣本，當(dāng)n充分大時(shí)，樣服從均值為 的正態(tài)分布。經(jīng)過處理的樣本統(tǒng)計(jì)量具有類正態(tài)分布，并且樣本去量綱化之后能夠明顯改善由于統(tǒng)計(jì)規(guī)律的擾動(dòng)。根據(jù)文章上述內(nèi)容對這些狀態(tài)數(shù)據(jù)進(jìn)6-3 所示的統(tǒng)計(jì)量id ，利用區(qū)間概率密度值擬合樣本的概 6-4 所示。

本文編號：2783620