基于多元回归分析的PPP项目数量影响因素研究

PPP模式(即Public-Private-Partnership的字母缩写)是指在政府部门和私人机构之间为配合城市基础设施项目的建设或为某些公共公共服务的供应以特许权协议为基础建立相互间的伙伴机制通过订立协议确定各方的权力和义务以确保合作伙伴的完成并使合作伙伴各方取得比预期行动更好的效果减轻政府财政负担降低社会主体投资风险的一种模式。

国家每年对基础设施的资金投入都是惊人的数字而仅凭国家的力量来完成所有基础设施的建设不免捉襟见肘所以政府选择PPP项目其好处是:降低国家经济支出；民间资本有更多的投资机会；转变政府职能精简机构；提高工作效率；降低全寿命周期成本；降低风险；降低政府PPP模式既可用于基础设施的工程建设又可用于公共公共服务的提供在国际上已成为大量实施的项目供应状况之一。

近年来，国内学者们积极探索PPP项目，孙慧等人提出了九大关键指标及三大影响因素，齐文韬等人则根据不同利益相关方的诉求，提出了9个PPP项目，以期更好地满足社会发展的需要。

核心指标构建结构方程模型吴贤国等分析PPP工程项目业绩形成原理并借助SEM方法综合评估得到相应结果张云宁等以五大PPP重要要素和问卷调查研究数据为基础利用层次分析和最小二乘法对PPP工程项目开展实证研究宋玉军利用灰色关联分析法建立PPP工程项目风险评估指标体系对PPP工程项目开展风险评估对PPP工程项目开展风险评估对PPP工程项目开展风险评估。

中国经济在改革开放后快速发展城市化步伐的加快导致城市中基础设施建设需求缺口不断扩大国内对PPP模式认识有限缺乏培育和成长的经济法制环境一些项目已经失败。2013年，中共第十八届国务院政治局纪委三届集体开会明确提出，鼓励经济社会资金以特许经营管理等形式积极参与经济社会基础设施投入与运作，财政部门也及时颁布《有关进一步推广使用政府部门与经济社会资金协作（PPP）方式问题的通告》，以此为开端，我国各个政府部门纷纷响应，积极性地推动PPP方式的实施，以满足经济社会对于更加完善的基础配套建设需求。

我国PPP模式推广力度较大为建立统一规范有序的PPP市场环境有效监管PPP项目2015年3月财政部组织建设了全国PPP综合信息平台对2013年以来全国范围内的PPP项目全部进行了监管分析、动态调整等工作。2019年底，国务院财政部PPP中心项目管理库中的建设项目数量达到9400个，总投资规模达到14万亿元，其中，项目储备清单项目占比达到2922个。我国PPP项目数量在短时间内迅猛增长各地PPP项目需求水涨船高成为全PPP最最具影响力的市场。

综合来看我国PPP项目的地区之间呈现出不平衡的状态区域内部的数量分布也是如此。通过使用SPSS-软件，我们利用多元统计学原则来研究PPP项目中潜在的因素，并从中提炼出有助于促进PPP模型的有效实施的信息。我们还将深入研究不同地域的情况，从而揭示出决定政府是否会选择PPP模型的重要原因。

一、PPP项目影响因素

（一）风险

PPP项目项目指项目在运行过程中受到各种影响从而导致项目出现问题。PPP项目的风险有:市场需求变化的风险；审批流程复杂导致的风险；法律变化的风险；政府信用风险财务风险；项目/设备移交后的状况风险。当项目遇到风险时应采用科学的方法即风险风险风险对风险进行识别、评估并设计和实施行之有效的措施。

（二）PPP项目绩效

PPPP项目由项目项目项目项目过程等因素共同影响的PPP项目绩效表现。财政部门实施“按效付费”的依据是PPP项目绩效考核，第一，通过实施PPP项目，我们可以实现预期的产出目标。第二，达到预期效果的目的。第三，通过对预期效果、满意度等指标的全面评估，第四，确立完善的制度、措施和工作计划，并且明确项目管理内容和实现目标的具体要求，以实现项目的最佳绩效。“提高公共服务供给的质量和效率”应成为PPP模式绩效的目标。

（三）其他因素

如资金，政策等。

二、数据收集与实证研究

（一）样本选择及数据来源

公私合营工程落地率指标可分为外部环境因素指标要素指标。经济因素因素因素环境因素的主要指标。PPP项目内部要素指标主要包括投资总额、项目、项目属性三个方面。本文旨在探讨PPP项目在不同地区的实际情况，并结合CPPPC项目库、国家统计局和中国统计年鉴的数据，对各省和地区的PPP项目进行分析，以期更好地了解当地政府如何利用PPP模式来实现基础设施建设和服务。具体数据请见表一。

（二）数据处理

利用SPSS软件操作根据表中各种影响因子的数据得出各种影响因子的极大值极小值方差标准差。初步加工所得资料如下：

由于第一次处理的指标结果并不明显无法清晰地得出PPP项目数量与各变量之间的关系因此我们需要利用Standard-Score法测量原始数据总体均值之间存在多少标准差并再次对数据进行处理。

标准差（StandardScore），也称Z分，是一种衡量一个特定数据点与其他数据点的差异的统计方法，它通过将这两个数据点的平均值除以标准差来表示它们之间的差异。它能够准确地反映出一个数据点与其他数据点的差异，从而帮助我们更好地理解和预测未来的趋势。将每一次得分转换为Z分，就可以用标准差来衡量它们与平均值之间的差异。这样，就可以更好地反映出一个特定的得分与平均值之间的关系。

Z-SCORE标准化（Z-SCORE Standardization），又称1标准差分数，它旨在将“给定数据距离它的平均值有几个标准差”中的原始数据转换成1的表示形式，从而使其满足1的表示形式，从而实现对1的表示形式的统计学表示。通过z - score（standardization），将原始数据转换成1的表示形式，从而实现对1的表示形式，从而使1的表示形式更加精确。

Pearson相关系数可以用来衡量两种随机变量X与Y的线性关系强度，它的值可以通过对整个系统的观测来获得，这种关系可以用来表征两种变数的相关性情况，也就是所谓的总体相关性系数。

cov（X,Y）是两变量的协方差；var(X),var(Y)是变数的方差。

设X=(x₁,x₁,...x_n),Y=(y₁,y₁,...y_n)分别来自X和Y 的两个样本，则样本相关系数为

根据样本数据计算，称之为样本相关系数，记为 r。r的取值范围是[−1,1]，它描述了两变量线性相关的方向和程度：

r>0,两个变量呈正相关关系(一个变数增大另一个也有增大趋势);r<0两个变量呈负相关关系(一个变量增大另一个呈递减趋势);r=±1两个变量(存在确定的函数关系)之间存在着完全的联系;当r=0时两个变量之间没有线性的相关关系但其他形式(如指数关系关系等)的相关关系可能存在。且R越靠近1说明两个变量的线性关联度越高;越靠近0的直线关联度越弱。

当我们研究两个变量之间的线性相关性时，我们会根据经验来判断它们的程度。这种判断方法包括：1.当两个变量的线性相关性超过0.8时，我们认为它们之间存在较强的关联；当两个变量的线性相关性低于0. 8时，我们认为它们存在中等的关联；当两个变量的线性相关性小于 时，我们认为它们彼此没有任何影响。

在实际应用中，由于样本容量的限制，使得计算出的相关系数具有一定的随意性，这就导致了使用样本相关系数来估算出的整体相关系数的可靠性受到了质疑。因此，为了确认两个变量之间是否存在明显的线性关系，我们必须采取统计推断的方法，即通过检验的方式，将总体相关系数设置为0，以便对变量之间的关联性做出判断。

当 X和Y均遵循正态分布，且假设（=0）是可信的，而且T分布的自由度被设定为n-2，当| t|>t（或p<α）时，可以认定r具有显著的相关性；但是，如果|t|< t （或p≥α ），那么就可以断定，R对于两个实体之间的联系是毫无意义的，而且它们之间的联系也是毫无意义的。

（三）相关分析结果分析

研究PPP项目的数量和GDP、财政收入、各省市固定资产投资金额都是变量指标指标都是有影响的。PPP项目数量与固定资产投资金额的关联度系数为0.784与地方GDP的关联度系数为0.594与地方财政收入的关联度系数为0.397。根据样本相关系数r的定义可以得出:各地PPP项目数量与当地固定资产投资金额相关性最大正相关相关二者的伴随概率P值为0.000表明受固定资产投资金额影响显著的PPP项目数量在0.01的水平上具有显著的关联性。其次是GDP受GDP影响明显的PPP项目数量在0.01的水平上有明显关联。而地方财政收入也呈现正相关相关系数只有0.397仅与0.05的水平存在较大的关联度。

三、结语

通过本次多元回归分析，我们发现自变量与因变量之间的线性关系可以被有效地解释.但是，实际情况中仍然存在一些非线性因素，这些限制因素将会影响最终的结果，因此，未来的研究和分析将会更加深入地探索这些限制因素。

从以下几个方面着手推动我国PPP模式的进一步发展也就是推动PPP投资规模的扩大。一是降低PPP项目财政预算约束PPP模式运用更好。第二要考虑融资融资模式的促进作用让经济更好地为PPP模式服务让PPP模式在创新和优化融资渠道方面发挥作用。三是结合PPP模式和城镇化庞大的基础设施需求。四是改善宏观经济环境创造更好的PPP模式发展条件。

  随着国际疫情的持续蔓延，中国经济正在以稳健的步伐走向复苏，并且在国内外环境日益复杂严峻的背景下，不断推进高质量发展，为实现中国梦提供了强大的动力，为实现中国梦开启了一条充满希望的道路。PPP模式推广应用的关注度也在逐渐提升……只要我们找到问题的根源对症下药在不远的将来PPP项目就会迎来新的发展篇章。

文章来源：  《商业观察》   https://www.zzqklm.com/w/jg/125.html