留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

大型石化项目风险管理与项目绩效的关系

张秀东,王基铭

downloadPDF
张秀东, 王基铭. 大型石化项目风险管理与项目绩效的关系[J]. bob手机在线登陆学报(社会科学版), 2021, 23(1): 41-52. doi: 10.15918/j.jbitss1009-3370.2021.4671
引用本文: 张秀东, 王基铭. 大型石化项目风险管理与项目绩效的关系[J]. bob手机在线登陆学报(社会科学版), 2021, 23(1): 41-52.doi:10.15918/j.jbitss1009-3370.2021.4671
ZHANG Xiudong, WANG Jiming. The Relationship between Risk Management and Performance for Large-scale Petrochemical Project[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2021, 23(1): 41-52. doi: 10.15918/j.jbitss1009-3370.2021.4671
Citation: ZHANG Xiudong, WANG Jiming. The Relationship between Risk Management and Performance for Large-scale Petrochemical Project[J].Journal of Beijing Institute of Technology (Social Sciences Edition), 2021, 23(1): 41-52.doi:10.15918/j.jbitss1009-3370.2021.4671

大型石化项目风险管理与项目绩效的关系

doi:10.15918/j.jbitss1009-3370.2021.4671
详细信息

The Relationship between Risk Management and Performance for Large-scale Petrochemical Project

  • 摘要:石化项目是复杂的系统工程,在实施过程中面临着很多风险,这些风险会影响项目的绩效。基于业主的视角,针对大型石化项目,突破过去常用的工期、成本、质量测量项目绩效的铁三角,将其扩展到工期、成本、质量、安全和环境五个维度,同时将风险管理分为风险管理承诺、组织风险文化、风险识别能力、风险分析能力、风险管理标准化。结合中国大型石化项目的调查数据,运用结构方程,研究大型石化项目的风险管理能力与大型石化项目绩效的关系,并分析大型石化项目的技术复杂度与组织复杂度对大型石化项目风险管理与大型石化项目绩效关系的调节效应。实证研究结果表明:大型石化项目风险管理可提高大型石化项目绩效;同时,技术复杂度和组织复杂度越高,风险管理对项目绩效的促进作用会越显著。
  • 图 1概念模型

    图 2路径示意图

    图 3二阶因子分析模型

    图 4风险管理成熟度标准化系数模型

    图 5结构方程模型

    图 6技术复杂度的调节效应图

    图 7组织复杂度的调节效应图

    表 1研究变量

    变量 测量指标 文献来源
    风险管理承诺 领导支持和鼓励并积极参与风险管理活动(X1);经常性地开展风险管理能力评估活动(X2);能够实现风险信息沟通和共享(X3);管理工具和技术在项目管理过程中得到有效的整合及应用(X4) Mori等[45]329-349
    Zou等[21]854-863
    Arba等[46]1639-1646
    组织风险文化 团队内就风险管理相关事项构建了信任关系(X5);项目团队成员愿意承担风险责任(X6);风险责任得到了有效的分配和执行(X7);风险事件在项目团队内部得到了有效的沟通(X8);成员认可风险管理并落实相关活动(X9) Mori等[45]329-349
    Zou等[21]854-863
    Arba等[46]1639-1646
    风险识别能力 风险得到了识别(X10);存在系统的识别方法以确保主要风险被识别(X11);识别出的风险信息得到了处理、分类和共享(X12);实施过程中进行风险识别与评估(X13);完善风险识别过程(X14) Mori等[45]329-349
    向鹏成和贾富源[47]
    Jung和Han[5]1-13
    Zhao等[48]
    风险分析能力 参与者具备基本风险分析技能(X15);使用定性和/或定量的风险分析工具和应用程序(X16);应对战略有效地参考已识别出的风险的分析结果(X17);资源在分配过程中有效地参照了风险分析的结果(X18) Jia等[49]56-66
    Liu等[10]码1-11
    风险管理的标准化 各阶段持续地开展风险管理活动(X19);有效地进行风险管理信息的传播和交流(X20);风险管理过程被有效地整合到日常管理过程中(X21);风险管理过程得到经常性的评审(X22) Jia等[49]56-66
    Jung和Han[5]1-13
    Zhang和Mohandes[2]1-22
    Muriana和Vizzini[50]
    项目绩效 项目在建设过程中对社区环境的影响小(Y1);项目在建设过程是安全的(Y2);项目在预算内完成(Y3);项目在计划工期内完成(Y4);建设项目的质量达到预期的要求(Y5);项目在运营过程中对社区环境的影响小(Y6);项目在运营过程中是安全的(Y7);生产的产品达到了预期的质量要求(Y8) Miler等[17]28-41
    Yeung等[51]
    Antoniadis等[52]
    Gunduz等[9]176-185
    Ren和Yeo[53]
    下载: 导出CSV

    表 2个人信息描述性统计

    调研对象
    统计信息
    类别 数量 占比/%
    性别 451 75.2
    149 24.8
    年龄 30岁及以下 67 11.2
    31~40岁 127 21.2
    41~50岁 231 38.5
    51岁以上 175 29.2
    职级 基层管理者 185 30.8
    中层管理者 251 41.8
    高层管理者 164 27.3
    受教育程度 本科 224 37.3
    硕士 278 46.3
    博士 98 16.3
    工作年限 1~5年 52 8.7
    6~10年 95 15.8
    10~20年 239 39.8
    20年以上 214 35.7
    下载: 导出CSV

    表 3量表的Cronbach’sα系数

    因子 Cronbach值 题项数目 量表Cronbach值
    风险管理承诺 0.907 4 0.965
    组织风险文化 0.959 5 0.965
    风险识别能力 0.964 5 0.965
    风险分析能力 0.912 4 0.965
    风险管理的标准化 0.969 4 0.965
    项目绩效 0.873 8 0.965
    下载: 导出CSV

    表 4样本数据的KMO检验和巴特利球体检验

    KMO样本
    测度
    巴特利球体检验
    Approx.Chi-Square 自由度 显著性
    概率Sig.
    0.951 21 167.518 435 0.000***
      注:***P<0.001。
    下载: 导出CSV

    表 5因子负载

    变量 变量所含指标 因子负载
    风险管理承诺 W1 0.70
    W2 0.87
    W3 0.92
    W4 0.89
    组织风险文化 W5 0.85
    W6 0.84
    W7 0.87
    W8 0.96
    W9 0.91
    风险识别能力 W10 0.91
    W11 0.89
    W12 0.93
    W13 0.92
    W14 0.90
    风险分析能力 W15 0.73
    W16 0.67
    W17 0.90
    W18 0.92
    风险管理的标准化 W19 0.95
    W20 0.93
    W21 0.92
    W22 0.90
    项目绩效 W23 0.73
    W24 0.68
    W25 0.45
    W26 0.58
    W27 0.87
    W28 0.76
    W29 0.72
    W30 0.88
    下载: 导出CSV

    表 6模型中路径系数显著性检验

    一阶因子(测量维度)量维二级因子 非标准化路径系数 S.E. C.R. P 标准化路径系数
    风险管理承诺←风险管理成熟度 1.053 0.056 18.740 0.000*** 0.725
    组织风险文化←风险管理成熟度 1.016 0.022 45.233 0.000*** 0.917
    风险识别能力←风险管理成熟度 0.986 0.039 25.546 0.000*** 0.908
    风险分析能力←风险管理成熟度 0.963 0.022 43.286 0.000*** 0.834
    风险管理的标准化←风险管理成熟度 1.000 0.846
      注:***P<0.001。
    下载: 导出CSV

    表 7测量模型拟合指数

    指标 拟合指数
    χ2/数e NFI NNFI CFI GFI AGFI RMSEA SRMR
    统计值 4.862 0.947 0.950 0.957 0.876 0.841 0.080 0.066
    判断准则 $ {\rm{2}} < {{\rm{\chi }}^{\rm{2}}}$/则67<5 >0.90 >0.90 >0.90 >0.80 >0.80 <0.08 <0.08
    下载: 导出CSV

    表 8结构模型拟合指数

    指标 拟合指数
    $ {{{\chi }}^{\rm{2}}} $/数$ e $ NFI NNFI CFI GFI AGFI RMSEA SRMR
    统计值 4.781 0.914 0.922 0.930 0.833 0.801 0.079 0.068
    判断准则 $ {\rm{2}} < {{\rm{\chi }}^{\rm{2}}}$/则8<5 >0.90 >0.90 >0.90 >0.80 >0.80 <0.08 <0.08
    下载: 导出CSV

    表 9假设检验

    假设 路径说明 路径系数 P 结论
    H1 绩效←风险管理成熟度 0.52 0.000*** 得到支持
      注:***P<0.001。
    下载: 导出CSV

    表 10技术复杂度的调节效应模型

    变量 项目绩效
    项目规模 合同工期 风险管理成熟度 技术复杂度 风险管理成熟度×技术复杂度 ΔR 模型匹配度(F
    模型一 −0.034*** −0.046 0.913
    (0.000) (0.120)
    模型二 −0.028*** −0.075 0.387* −0.129* 0.145 26.455***
    (0.000) (0.113) (0.038) (0.039)
    模型三 −0.030*** −0.042 0.449* −0.158* 0.241* 0.197 30.362***
    (0.000) (0.110) (0.039) (0.038) (0.030)
      注:***$ P<{0.001} $;**$ P<{0.01} $;*$ P<{0.05} $。
    下载: 导出CSV

    表 11组织复杂度的调节效应模型

    变量 项目绩效
    项目规模 合同工期 风险管理成熟度 技术复杂度 风险管理成熟度×技术复杂度 ΔR 模型匹配度(F
    模型一 −0.034*** −0.046 0.913
    (0.000) (0.120)
    模型二 −0.012*** −0.051 0.362* −0.176* 0.161 29.711***
    (0.000) (0.110) (0.037) (0.037)
    模型三 −0.020*** −0.039 0.397* −0.221* 0.202* 0.197 30.371***
    (0.000) (0.108) (0.037) (0.038) (0.035)
      注:***$ P<{0.001} $;**$ P<{0.01} $;*$ P<{0.05} $。
    下载: 导出CSV
  • [1] LIMA C, ARANHA E, CASTRO D, et al. Integrated risk management: a Petrobras application in offshore well construction safety to minimize critical emergency disconnections[J]. Petroleum Science, 2018, 15(2): 213-223.
    [2] ZHANG X, MOHANDES S R. Occupational health and safety in green building construction projects: a holistic z-numbers-based risk management framework[J]. Journal of Cleaner Production, 2020, 275: 1-22.
    [3] CHOI S, CHO I, HAN S H, et al. Dynamic capabilities of project-based organization in global operations[J]. Journal of Management in Engineering, 2018, 34(5): 1943-1959.
    [4] NASIRZADEH F, KHANZADI M, REZAIE M. Dynamic modeling of the quantitative risk allocation in construction projects[J]. International Journal of Project Management, 2014, 32(3): 442-451.doi:10.1016/j.ijproman.2013.06.002
    [5] JUNG W, HAN S H. Which risk management is most crucial for controlling project cost[J]. Journal of Management in Engineering, 2017, 33(5): 1-13.
    [6] QAZI A, QUIGLEY J, DICKSON A, et al. Project complexity and risk management (ProCRiM): towards modelling project complexity driven risk paths in construction projects[J]. International Journal of Project Management, 2016, 34(7): 1183-1198.doi:10.1016/j.ijproman.2016.05.008
    [7] ODEDIRAN S J, WINDAPO A O. Mitigating risks in African construction markets through the interactive behavior of resources and capabilities in multinational construction companies and entry decisions[J/OL]. Journal of Management in Engineering, 2016, 33(2). (2017-03)[2020-08-11].https://ascelibrary.org/doi/10.1061/%28ASCE%29ME.1943-5479.0000485.
    [8] DENG X, PHENG L S, ZHAO X. Project system vulnerability to political risks in international construction projects: the case of Chinese contractors[J]. Project Management Journal, 2014, 45(2): 20-33.doi:10.1002/pmj.21397
    [9] 丁斅, 徐峰. 基于贝叶斯网络的工程风险管理研究——以港珠澳大桥主体工程设计风险为例[J]. 系统管理学报, 2018, 27(1): 176-185+191.
    [10] LIU J, ZHAO X, YAN P. Risk paths in international construction projects: case study from Chinese contractors[J]. Journal of Construction Engineering and Management, 2016, 142(6): 1-11.
    [11] LUO L, HE Q, JASELSKIS E J, et al. Construction project complexity: research trends and implications[J/OL]. Journal of Construction Engineering and Management, 2017, 143(7). (2019-07)[2020-08-11].https://ascelibrary.org/doi/10.1061/%28ASCE%29CO.1943-7862.0001306.
    [12] LU Y, LUO L, WANG H, et al. Measurement model of project complexity for large-scale projects from task and organization perspective[J]. International Journal of Project Management, 2015, 33(3): 610-622.doi:10.1016/j.ijproman.2014.12.005
    [13] HE Q, LUO L, HU Y, CHAN A P. Measuring the complexity of mega construction projects in China-A fuzzy analytic network process analysis[J]. International Journal of Project Management, 2015, 33(3): 549-563.doi:10.1016/j.ijproman.2014.07.009
    [14] CLEVELAND S, HINOJOSA C. Complexity framework for the project management curriculum[J]. International Journal of Information Technology Project Management, 2019, 10(1): 34-54.doi:10.4018/IJITPM.2019010103
    [15] PUDDICOMBE M S. Novelty and technical complexity: critical constructs in capital projects[J]. Journal of Construction Engineering and Management, 2011, 138(5): 613-620.
    [16] MOLENAAR K R, JAVERNICK W A, BASTIAS A G, et al. Construction project peer reviews as an early indicator of project success[J]. Journal of Management in Engineering, 2012, 29(4): 327-333.
    [17] MILER M, GABAJ N, DUKIC L, et al. Key performance indicators to measure improvement after implementation of total laboratory automation abbott accelerator a3600[J]. Journal of Medical Systems, 2018, 42(2): 28-41.doi:10.1007/s10916-017-0878-1
    [18] SUNINDIJO R Y, ZOU P X W. Conceptualizing safety management in construction projects[J]. Journal of Construction Engineering and Management, 2013, 139(9): 1144-1153.doi:10.1061/(ASCE)CO.1943-7862.0000711
    [19] LEON H, OSMAN H, GEORGY M, et al. System dynamics approach for forecasting performance of construction projects[J]. Journal of Management in Engineering, 2018, 18(8): 1099-1113.
    [20] TELLER J, KOCK A. An empirical investigation on how portfolio risk management influences project portfolio success[J]. International Journal of Project Management, 2013, 31(6): 817-829.doi:10.1016/j.ijproman.2012.11.012
    [21] ZOU P X W, CHEN Y, CHAN T Y. Understanding and improving your risk management capability: assessment model for construction organizations[J]. Journal of Construction Engineering and Management, 2010, 136(8): 854-863.doi:10.1061/(ASCE)CO.1943-7862.0000175
    [22] KARLSEN J T. Supportive culture for efficient project uncertainty management[J]. International Journal of Managing Projects in Business, 2011, 4(2): 240-256.doi:10.1108/17538371111120225
    [23] VUJOVI V, DENI N, STEVANOVI V, et al. Project planning and risk management as a success factor for IT projects in agricultural schools in Serbia[J]. Technology in Society, 2020, 10: 13-71.
    [24] 赵泽斌, 满庆鹏. 基于前景理论的重大基础设施工程风险管理行为演化博弈分析[J]. 系统管理学报, 2018, 27(1): 112-120.
    [25] GUNDUZ M, BIRGONUL M T, OZDEMIR M. Fuzzy structural equation model to assess construction site safety performance[J]. Journal of Construction Engineering and Management, 2016, 143(4): 112-126.
    [26] MENEZES J, GUSMÃO C, MOURA H. Risk factors in software development projects: a systematic literature review[J]. Software Quality Journal, 2018, 107(2): 284-303.
    [27] WANG L, GOH M, DING R, et al. Improved simulated annealing based risk interaction network model for project risk response decisions[J]. Decision Support Systems, 2019, 122(7): 113-126.
    [28] WEST C, KENWAY S, HASSALL M, et al. Integrated project risk management for residential recycled-water schemes in Australia[J]. Journal of Management in Engineering, 2019, 35(2): 54-64.
    [29] DONG C, WANG F, LI H, et al. Knowledge dynamics-integrated map as a blueprint for system development: Applications to safety risk management in Wuhan metro project[J]. Automation in Construction, 2018, 93(9): 112-122.
    [30] TELLER J. Portfolio risk management and its contribution to project portfolio success: an investigation of organization, process, and culture[J]. Project Management Journal, 2013, 44(2): 36-51.doi:10.1002/pmj.21327
    [31] AHMADI-JAVID A, FATEMINIA S H, GEMUENDEN H G. A method for risk response planning in project portfolio management[J]. Project Management Journal, 2020, 51(1): 77-95.doi:10.1177/8756972819866577
    [32] SABAHI S, PARAST M M. The impact of entrepreneurship orientation on project performance: a machine learning approach[J]. International Journal of Production Economics, 2020, 226: 1-17.
    [33] KAIN N A, HODWITZ K, YEN W, et al. Experiential knowledge of risk and support factors for physician performance in Canada: a qualitative study[J]. BMJ Open, 2019, 9(2): 23-51.
    [34] KIM M H, LEE E B. A forecast model for the level of engineering maturity impact on contractor's procurement and construction costs for offshore EPC megaprojects[J]. Energies, 2019, 12(12): 22-45.
    [35] DE OLIVEIRA A, DE ALMEIDA J R. Business intelligence application for multidimensional analysis of risks in complex projects[J]. IT Professional, 2019, 21(6): 33-39.doi:10.1109/MITP.2018.2876931
    [36] YANG X, HAUGEN S, NICOLA P. Clarifying the concept of operational risk assessment in the oil and gas industry[J]. Safety Ence, 2018, 108: 259-268.
    [37] DAI Z, QUERARD Q U, LIU L L. Exploration of new reaction tools for late-stage functionalization of complex chemicals[J]. Canadian Journal of Chemistry, 2018, 97(2): 67-85.
    [38] AHERN T, LEAVY B, BYRNE P J. Complex project management as complex problem solving: a distributed knowledge management perspective[J]. International Journal of Project Management, 2014, 32(8): 1371-1381.doi:10.1016/j.ijproman.2013.06.007
    [39] 郑俊巍, 谢洪涛. 建设工程绿色创新行为驱动路径: 一项跨层次实证研究[J]. 科技进步与对策, 2017, 25(9): 13-19.
    [40] WILLIAMS N L, FERDINAND N, PASIAN B. Online stakeholder interactions in the early stage of a megaproject[J]. Project Management Journal, 2015, 46(6): 92-110.doi:10.1002/pmj.21548
    [41] CARDNO C A. Construction of largest building in manchester science and engineering complex nears completion[J]. Civil Engineering, 2019, 89(3): 24-26, 28.
    [42] CHOO A S. Solving problems efficiently in R&D projects: an empirical study of the application of six sigma tools in an industrial research center[J]. IEEE Transactions on Engineering Management, 2019, 99: 1-14.
    [43] IKUMA L H, NAHMENS I, JAMES J. Use of safety and lean integrated kaizen to improve performance in modular homebuilding[J]. Journal of Construction Engineering and Management, 2011, 137(7): 551-560.doi:10.1061/(ASCE)CO.1943-7862.0000330
    [44] HINZE J, HALLOWELL M, BAUD K. Construction-safety best practices and relationships to safety performance[J/OL]. Journal of Construction Engineering and Management, 2013, 139(10). (2013-10)[2020-08-11].https://ascelibrary.org/doi/10.1061/%28ASCE%29CO.1943-7862.0000751.
    [45] MORI S, WASHIDA T, KUROSAWA A, et al. Assessment of mitigation strategies as tools for risk management under future uncertainties: a multi-model approach[J]. Sustainability Ence, 2018, 13(2): 329-349.
    [46] ARBA R, JECAN S, RUSU L, et al. A monte carlo simulation method for risk management in road pavement maintenance projects[J]. Environmental Engineering and Management Journal, 2019, 18(8): 1639-1646.doi:10.30638/eemj.2019.154
    [47] 向鹏成, 贾富源. 海绵城市建设风险评价方法——基于灰色直觉模糊层次分析法[J]. 科技管理研究, 2018, 38(3): 113-119.
    [48] ZHAO X, HWANG B G, YU G S. Identifying the critical risks in underground rail international construction joint ventures: case study of singapore[J]. International Journal of Project Management, 2013, 31(4): 554-566.doi:10.1016/j.ijproman.2012.10.014
    [49] JIA G, NI X, CHEN Z, et al. Measuring the maturity of risk management in large-scale construction projects[J]. Automation in Construction, 2013, 34: 56-66.doi:10.1016/j.autcon.2012.10.015
    [50] MURIANA C, VIZZINI G. Project risk management: a deterministic quantitative technique for assessment and mitigation[J]. International Journal of Project Management, 2017, 35(3): 320-340.doi:10.1016/j.ijproman.2017.01.010
    [51] YEUNG J F Y, CHAN A P C, CHAN D W M, et al. Developing a benchmarking model for construction projects in Hong Kong[J]. Journal of Construction Engineering and Management, 2012, 139(6): 705-716.
    [52] ANTONIADIS D N, EDUM-FOTWE F T, THORPE A. Socio-organo complexity and project performance[J]. International Journal of Project Management, 2011, 29(7): 808-816.doi:10.1016/j.ijproman.2011.02.006
    [53] REN Y, YEO K T. Risk management capability maturity and performance of complex product and system (CoPS) projects with an Asian perspective[J]. Journal of Engineering, Project, and Production Management, 2014, 4(2): 81.doi:10.32738/JEPPM.201407.0004
  • [1] 王洁, 张玉臻, 陈阳, 叶剑平.农地确权颁证对农地规模化与规范化流转的影响. bob手机在线登陆学报(社会科学版), 2022, 24(2): 163-173.doi:10.15918/j.jbitss1009-3370.2022.1292
    [2] 冯国莉, 郝生跃, 李晓光.PPP项目中公共部门关系取向对项目绩效的影响研究——基于项目治理的中介作用. bob手机在线登陆学报(社会科学版), 2021, (): -.doi:10.15918/j.jbitss1009-3370.2021.0029
    [3] 郑展鹏, 岳帅.制度质量、人口结构与出口技术复杂度. bob手机在线登陆学报(社会科学版), 2020, 22(2): 70-78.doi:10.15918/j.jbitss1009-3370.2020.2220
    [4] 居佳, 郝生跃, Chimay J. Anumba, 任旭.从“心动”到“行动”——机会与能力在项目团队知识转移中的作用. bob手机在线登陆学报(社会科学版), 2020, 22(3): 111-123.doi:10.15918/j.jbitss1009-3370.2020.1661
    [5] 徐士伟, 陈德棉, 陈鑫, 乔明哲.企业社会责任信息披露与并购绩效——垄断度与组织冗余的权变效应. bob手机在线登陆学报(社会科学版), 2019, (1): 74-80.doi:10.15918/j.jbitss1009-3370.2019.1915
    [6] 吴水龙, 高莹, 袁永娜, 蒋廉雄.微博内容与品牌个性匹配程度对品牌评价的影响——概念流畅度的中介效应和微博互动策略的调节效应. bob手机在线登陆学报(社会科学版), 2019, (2): 87-96.doi:10.15918/j.jbitss1009-3370.2019.3697
    [7] 李晓光, 郝生跃, 任旭.关系治理对PPP项目控制权影响的实证研究. bob手机在线登陆学报(社会科学版), 2018, (3): 52-59.doi:10.15918/j.jbitss1009-3370.2018.2867
    [8] 赵辉, 王雪青.大型基础设施项目融资风险动态评价体系研究. bob手机在线登陆学报(社会科学版), 2017, (1): 83-90,98.doi:10.15918/j.jbitss1009-3370.2017.0111
    [9] 赵辉, 王雪青.大型工程项目融资风险动态分担. bob手机在线登陆学报(社会科学版), 2016, (5): 59-66.doi:10.15918/j.jbitss1009-3370.2016.0508
    [10] 尹贻林, 徐志超.工程项目中信任、合作与项目管理绩效的关系——基于关系治理视角. bob手机在线登陆学报(社会科学版), 2014, (6): 41-51.
    [11] 王元明, 徐大海.大型公共项目风险结构分析. bob手机在线登陆学报(社会科学版), 2012, (5): 84-88.
    [12] 尚天成, 郭俊雄.合同能源管理项目评价. bob手机在线登陆学报(社会科学版), 2011, (1): 11-14.
    [13] 吴绍艳, 刘晓峰.基于IAHP的项目经济评价群体决策研究——以大型基础设施项目为例. bob手机在线登陆学报(社会科学版), 2011, (3): 51-54.
    [14] 杜亚灵, 尹贻林.基于治理的代建项目管理绩效改善研究. bob手机在线登陆学报(社会科学版), 2010, (6): 19-26.
    [15] 刘桂林, 张韻慧, 刘雅莉.基于网络层次分析法的非专利药项目风险测评研究. bob手机在线登陆学报(社会科学版), 2009, (4): 63-67.
    [16] 李继宏, 赵涛.基于熵权的优度评价法在信息化项目绩效评价中的应用研究. bob手机在线登陆学报(社会科学版), 2008, (3): 61-64.
    [17] 杜亚灵, 尹贻林.基于模糊逻辑的公共项目风险分配模型. bob手机在线登陆学报(社会科学版), 2008, (3): 94-97.
    [18] 何明.大型科研项目的风险管理流程与风险决策. bob手机在线登陆学报(社会科学版), 2007, (2): 46-49.
    [19] 李婷.天然气管道项目融资风险研究. bob手机在线登陆学报(社会科学版), 2005, (3): 77-79.
    [20] 吴仁群.IT项目投资期权及其风险管理. bob手机在线登陆学报(社会科学版), 2003, (2): 81-83.
  • 加载中
图(7)/ 表 (11)
计量
  • 文章访问数:564
  • HTML全文浏览量:232
  • PDF下载量:25
  • 被引次数:0
出版历程
  • 收稿日期:2020-10-19
  • 录用日期:2020-11-13
  • 网络出版日期:2020-11-13
  • 刊出日期:2021-01-10

大型石化项目风险管理与项目绩效的关系

doi:10.15918/j.jbitss1009-3370.2021.4671
    作者简介:

    张秀东(1964—),男,教授级高级工程师,E-mail:zhangxd@sei.com.cn

    王基铭(1942—),男,中国工程院院士,E-mail:luhao.shhs@sinopec.com

  • 中图分类号:F424

摘要:石化项目是复杂的系统工程,在实施过程中面临着很多风险,这些风险会影响项目的绩效。基于业主的视角,针对大型石化项目,突破过去常用的工期、成本、质量测量项目绩效的铁三角,将其扩展到工期、成本、质量、安全和环境五个维度,同时将风险管理分为风险管理承诺、组织风险文化、风险识别能力、风险分析能力、风险管理标准化。结合中国大型石化项目的调查数据,运用结构方程,研究大型石化项目的风险管理能力与大型石化项目绩效的关系,并分析大型石化项目的技术复杂度与组织复杂度对大型石化项目风险管理与大型石化项目绩效关系的调节效应。实证研究结果表明:大型石化项目风险管理可提高大型石化项目绩效;同时,技术复杂度和组织复杂度越高,风险管理对项目绩效的促进作用会越显著。

English Abstract

张秀东, 王基铭. 大型石化项目风险管理与项目绩效的关系[J]. bob手机在线登陆学报(社会科学版), 2021, 23(1): 41-52. doi: 10.15918/j.jbitss1009-3370.2021.4671
引用本文: 张秀东, 王基铭. 大型石化项目风险管理与项目绩效的关系[J]. bob手机在线登陆学报(社会科学版), 2021, 23(1): 41-52.doi:10.15918/j.jbitss1009-3370.2021.4671
ZHANG Xiudong, WANG Jiming. The Relationship between Risk Management and Performance for Large-scale Petrochemical Project[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2021, 23(1): 41-52. doi: 10.15918/j.jbitss1009-3370.2021.4671
Citation: ZHANG Xiudong, WANG Jiming. The Relationship between Risk Management and Performance for Large-scale Petrochemical Project[J].Journal of Beijing Institute of Technology (Social Sciences Edition), 2021, 23(1): 41-52.doi:10.15918/j.jbitss1009-3370.2021.4671
  • 大型项目对推动经济和社会发展发挥了越来越显著的作用。大量大型项目投资失败案例的出现激发了学者对大型项目风险管理的关注。一些学者的研究证实了风险管理对绩效的促进作用[1][2]1-22,但是缺乏对项目的风险管理驱动项目绩效的内在机理的相关研究。石油化工行业在中国国民经济发展中占据着举足轻重的地位,是中国的支柱性产业。目前,石化项目正日益朝着大型化、综合化、复杂化方向发展,致使石化项目绩效(如工期、成本、质量)出现很大的不确定性。此外,石化项目具有投资规模大、建设周期长、系统复杂、涉及专业及风险因素多等特点,这使得石化项目具有很高的技术复杂度和组织复杂度。一些研究认为,项目的复杂度可能会影响项目的结果[3],但是缺乏针对不同类型的复杂度对风险管理与项目绩效影响机理的研究。因此,研究影响大型石化项目风险管理与项目绩效关系的内在机理,并分析研究大型石化项目技术复杂度和组织复杂度对项目风险管理与项目绩效关系的影响具有重要的现实意义和理论价值。

    • 随着项目管理实践中失败案例的增多,项目组织越来越重视项目风险管理[4]。项目风险管理作为项目组约束风险事件负面影响的重要手段,同时以风险为契机捕捉机会,在项目管理中得到了广泛的应用[5]1-13[6]1183-1198[7]。项目风险管理过程包括风险识别[8]、风险分析与评估、风险检测和风险应对。目前的研究探讨了风险识别过程、风险评估模型[9]176-185、风险路径和风险响应策略[10]1-11。现阶段对风险管理的研究主要集中在风险管理的一个或两个方面,笔者认为风险管理的各个组成部分应该整合为一个实体。同时,最近一些研究已经开始将项目复杂性纳入项目风险识别过程和风险响应策略的选择过程中,因为项目复杂性对项目绩效可能会产生最大的潜在影响[11]1-10[12]。一些研究还强调了如何定义项目复杂性的重要性[13],因为项目复杂性的不同维度对项目绩效有显著的影响[14]。例如,Puddicombe[15]通过1 300多个项目案例分析,证实了技术的复杂程度是项目的重要特性,并能影响项目绩效。由Qazi等[6]1183-1198开展的研究强调采用风险缓解战略以响应项目复杂度对项目绩效的潜在影响。很少有研究将风险管理能力、项目复杂性和项目绩效集成到一起,并研究风险管理能力和项目复杂性对项目绩效的交互影响。项目成功的传统衡量标准,包括项目绩效的工期、成本和质量[16]。上述项目绩效的度量指标是很重要的,但并未包含项目成功的现代衡量标准[17]28-41。石化行业是危险性最大的行业之一,与其他行业相比,事故率很高。建筑工地的安全是项目成功的关键[18],同时项目环境表现是项目绩效的必要组成部分[19]。在本文中,项目绩效包括工期、成本、质量、安全和环境绩效。基于项目风险管理的相关研究[20],本研究提出概念模型,如图1所示。

      图 1概念模型

      图1解释了项目风险管理能力如何影响项目绩效。笔者认为,项目组织风险管理能力影响着项目的绩效,风险管理能力和项目绩效之间的联系将由技术复杂度和组织复杂性来调节。

    • 项目的风险管理水平涉及不同的维度。根据Zou等[21]854-863的研究,项目的风险管理包括管理者承诺、风险管理文化、识别风险的能力、分析风险的能力和风险管理的标准化。不同的维度对项目绩效的影响路径和方式存在着不同之处。其中,管理者在风险管理活动中起着重要作用。项目管理协会认为,项目管理者的认可、项目管理者的一致承诺和积极的风险管理过程在项目管理中必不可少,因为这种承诺可以增加信任,增强工作的责任感,鼓励解决问题和创新的解决方案。在大型石化项目中,管理者需要对风险管理活动作出承诺。管理者承诺包括项目领导支持和鼓励并积极参与风险管理活动,项目组织里经常性地开展风险管理能力评估活动,项目组织内所有参与者能够实现风险信息沟通和共享,风险管理工具和技术在项目管理过程中得到有效的整合及应用,以及项目领导能够根据已识别出的风险的严重程度分配资源。管理者承诺强调风险管理的重要性,这对组织里进行风险管理活动将是一股强大的动力,有利于激发组织成员积极控制石化项目中面临的工期、成本、质量、安全和环境风险,从而有效地提高项目绩效。

      Karlsen[22]认为,风险管理文化,包括对风险的一般认识和对管理潜在的贡献,接受并承诺的风险管理流程以及同利益相关者之间的沟通和协调。风险管理文化是风险管理体系的灵魂,涉及认识风险可能带来的损失,以及对风险管理的认可,接受风险管理作为一种常规的管理方法,并在组织内进行风险管理沟通,再对风险进行公开[23]13-71。先前一些学者认为,风险管理文化在风险管理过程中的作用显著[24]。Gunduz[25]认为,项目组织具备强有力的风险管理文化,可以增强对项目利益相关者的风险管理意识,项目组织认为风险管理是组织获得最优绩效的机会而不是一项负担,风险管理被组织高度认可。这一观点强调了将风险管理融入到项目管理的过程是项目管理过程必不可少的一个环节。Menezes等[26]认为,组织的风险管理文化能够及时地识别解决项目面临的潜在问题和风险。

      由于大型项目风险影响因素众多、风险之间的影响关系错综复杂,使得管理决策者难以把握项目面临的全部风险,也不能掌握关键性风险要素,这就使项目的风险预防与控制措施的操作性大打折扣,并且大型石化项目同市场活动和工业生产不同,一旦出现问题就很难补救[2]1-22。因此,风险识别能力在风险管理过程中尤为重要。由于风险管理在项目管理中占有显著地位,大多数组织都有一个正式的风险管理政策以及支撑性的风险识别和分析工具[27-28]。这些风险识别工具包括风险检查表、流程图、情景分析、头脑风暴等。风险识别的目的就在于为风险管理提供前提和决策依据,以保证单位和个人以最小的支出来获得最大的安全保障,减少风险损失。风险分析的工具包括事件树分析、敏感性分析和仿真、德尔菲技术、专家评分法等。风险分析是找出行动方案的不确定性因素,分析其环境状况和对方案的敏感程度;估计有关数据,包括行动方案的费用,在不同情况下得到的收益以及不确定性因素各种机遇的概率,计算各种风险情况下的经济效果从而作出正确判断。因此,风险识别和风险分析结果的好坏,很大程度上依赖于组织的风险识别和分析能力。风险识别和分析能力越高,组织对不确定的风险作出判断的准确性越高,从而越有利于项目绩效的提升[29]

      风险管理的标准化有助于提高组织员工对风险的理解,从而更好地应对风险,提高绩效[30]。风险管理标准化有两方面的重要作用:一是有利于规范风险管理的活动,二是有利于提高风险管理的效率。风险管理标准化能够为企业提供规范、高效和系统的方法,有了这种方法就可以用它进行识别、分析和评估可能遇到或潜在的风险因素,从而提高组织的管理水平,并通过规范化、标准化来降低风险,控制成本,从而使企业实现稳定的、健康的持续发展。Ahmadi等[31]认为,一个正式的风险管理流程对绩效有显著的影响,一个标准化的风险管理过程有着清楚的规则定义并对所有项目一致使用,定义良好的标准化过程可以使得更快识别风险并做出反应。Sabahi和Parast[32]认为,风险管理标准化流程的建立使其对风险更具有控制性和可预测性。而且,Kain等[33]认为,一个一致运用的流程依赖于对风险共同的理解和管理,因为它们有同样的程序和工具能套用,具有共同的基础,使得管理者之间可以进行知识的交流。知识共享水平的提高反过来又改善了风险管理的流程并提高了绩效。

      风险管理的不同维度反映了风险管理的各个方面,通过这五个维度,可以很好地测度组织的风险管理水平,一些实证的研究也证实了风险管理水平的提高,对项目绩效有显著的正向影响[34]。基于上述分析,本文提出以下假设:

      H1.风险管理对项目绩效有显著的正向影响。

    • 在项目管理领域,越来越多的管理者开始意识到,随着项目复杂性程度的不断增加,传统的项目管理方法和工具已经因其自身不能有效处理复杂性而凸显不足和局限。很多学者做过关于造成项目失败比如成本超支和工期拖延原因的研究。随着项目规模、范围以及环境的变化,项目的复杂性呈现出越来越大的势头。Oliveira和Almeida[35]认为,其中的一个原因可能是日益增加的项目的复杂度或者是管理者对项目复杂性的低估。特别是能源产业,具有更高的复杂度。在能源需求与日俱增的情况下,能源产业为提高绩效承受着很大的压力并面临着各种项目风险。这些风险又会增加项目的复杂性最终使得项目成本超支、工期延长[36-37]。特定的项目复杂度可能需要特定项目管理能力[38]。郑俊巍和谢洪涛[39]通过实证得出,复杂性作为调节变量可以显著地影响团队的学习能力、团队的沟通、管理者的领导能力与项目成功之间的关系。工程项目,尤其是石油化工项目,日趋大型化、多元化和复杂化,项目管理跨地域、跨文化的趋势越来越明显。因此,在这种高度复杂的环境下,项目复杂度越高,风险也越大,风险管理的作用更为突出。面对高风险的项目,成熟的风险管理能够更好地驾驭风险,提高项目成功率,使得风险管理成熟度对项目绩效的促进作用更为显著。

      本文将复杂性聚焦于项目的技术复杂性和组织复杂性。其中,技术复杂性是指技术输入、输出的复杂性;组织复杂性主要指组织单元、层级关系以及专业化程度等特征。复杂性作为重大项目的一个重要特征[40],会影响到项目的成功,尤其是大型石化项目的成功[41]。由于对石化产品需求的逐年增长,大量的石化项目逐步启动。来自于项目复杂度以及项目风险的增长加大了改进项目风险管理能力的需求,项目复杂性的提升驱动着项目管理能力的提升。因此,跨区域和跨文化的项目管理更可能成为可借鉴的典型。面对高度复杂的项目,有效的风险管理工具可以使项目组织有效控制风险,提高项目成功率。在某些情况下,可能需要改进风险管理流程,具体取决于项目的复杂性。Vujovi等[23]13-71发现,具有较高技术不确定性的项目比具有较低技术不确定性的项目更频繁地实施项目风险管理。先前的研究表明,某些风险管理实践,比如明确的程序,可能使复杂项目环境中的不确定性减少。项目风险管理实践可能增加利益相关者行为的可预测性。实证研究显示,在高度复杂的项目环境中,结构化风险管理过程的影响总体上是积极的,而持续集成风险管理在项目管理过程中是项目成功的关键因素[42]。因此,项目风险管理实践有助于项目组应对复杂环境中的突发事件。基于以上论证,笔者认为风险管理在项目复杂度高的情况下更为重要。在这种情况下,项目复杂性被度量为技术复杂性和组织复杂性。基于上述分析,本文提出如下假设:

      H2.技术复杂度越高,风险管理成熟度对项目绩效的影响更显著。

      H3.组织复杂度越高,风险管理成熟度对项目绩效的影响更显著。

    • 本文基于国内外相关研究成果(如表1所示),在已有量表的基础上,结合中国大型石化项目的实际情况,设计出问卷来测量大型石化项目风险管理和绩效的关系。此外,对于绩效的测度,传统的观点认为,判断项目绩效标准是看其能否满足成本、工期、质量目标的要求。但是大量失败的项目表明,单从工期、成本、质量来测度项目绩效的方法显得非常狭隘,而且项目建设过程和运营过程涉及到众多利益相关者,从不同的利益相关者的视角来定义项目绩效结果是不同的。近些年来,伴随着一些工程安全事件以及环境事件的发生,也引发了对于项目社会责任的思考。衡量项目成功的指标应该不仅局限于传统的项目目标的测度,还应增加环境和安全目标两个维度。此外,不仅要关注建设过程的成本、工期等绩效,还应关注项目建成后的质量、成本等绩效[43-44]。因此本文从业主的视角,考虑到大型石化项目建设过程和运营过程的测度角度的不同,将项目绩效分为过程绩效和结果绩效两个维度,并突破过去常用的工期、成本、质量测量绩效的铁三角,将其扩展到工期、成本、质量、安全和环境五个维度。关于风险管理的成熟度水平本文采用Zou等[21]854-863的研究成果,将风险管理分为风险管理承诺、组织风险文化、风险识别能力、风险分析能力、风险管理的标准化。

      表 1研究变量

      变量 测量指标 文献来源
      风险管理承诺 领导支持和鼓励并积极参与风险管理活动(X1);经常性地开展风险管理能力评估活动(X2);能够实现风险信息沟通和共享(X3);管理工具和技术在项目管理过程中得到有效的整合及应用(X4) Mori等[45]329-349
      Zou等[21]854-863
      Arba等[46]1639-1646
      组织风险文化 团队内就风险管理相关事项构建了信任关系(X5);项目团队成员愿意承担风险责任(X6);风险责任得到了有效的分配和执行(X7);风险事件在项目团队内部得到了有效的沟通(X8);成员认可风险管理并落实相关活动(X9) Mori等[45]329-349
      Zou等[21]854-863
      Arba等[46]1639-1646
      风险识别能力 风险得到了识别(X10);存在系统的识别方法以确保主要风险被识别(X11);识别出的风险信息得到了处理、分类和共享(X12);实施过程中进行风险识别与评估(X13);完善风险识别过程(X14) Mori等[45]329-349
      向鹏成和贾富源[47]
      Jung和Han[5]1-13
      Zhao等[48]
      风险分析能力 参与者具备基本风险分析技能(X15);使用定性和/或定量的风险分析工具和应用程序(X16);应对战略有效地参考已识别出的风险的分析结果(X17);资源在分配过程中有效地参照了风险分析的结果(X18) Jia等[49]56-66
      Liu等[10]码1-11
      风险管理的标准化 各阶段持续地开展风险管理活动(X19);有效地进行风险管理信息的传播和交流(X20);风险管理过程被有效地整合到日常管理过程中(X21);风险管理过程得到经常性的评审(X22) Jia等[49]56-66
      Jung和Han[5]1-13
      Zhang和Mohandes[2]1-22
      Muriana和Vizzini[50]
      项目绩效 项目在建设过程中对社区环境的影响小(Y1);项目在建设过程是安全的(Y2);项目在预算内完成(Y3);项目在计划工期内完成(Y4);建设项目的质量达到预期的要求(Y5);项目在运营过程中对社区环境的影响小(Y6);项目在运营过程中是安全的(Y7);生产的产品达到了预期的质量要求(Y8) Miler等[17]28-41
      Yeung等[51]
      Antoniadis等[52]
      Gunduz等[9]176-185
      Ren和Yeo[53]
    • 1. 数据收集:本研究的实证数据来自大型石化企业问卷调查。为保证问卷整体测量的有效性,在正式发放之前进行了问卷的前测工作。前测工作集中在××石化工程建设有限公司内部,通过选择具有多年工程经验的专家、管理人员就问卷题项的合理性等问题进行评价。通过电子邮件及纸质问卷邮寄两种方式共发放问卷60份,回收48份,剔除掉不完整的问卷8份,实际有效问卷为40份。根据问卷填写人员的反馈意见,对量表中个别题项的陈述进行了修改完善,使题项更易理解。在进行了前期测试的基础上,笔者选择了1 000个分布在中国各地的不同大型石化企业的项目开展了问卷调查,这些企业包括镇海炼化、福建炼化、扬子石化、齐鲁石化、青岛炼化、上海石化、燕山石化、天津石化、茂名石化、武汉石化、海南炼化等,共计回收问卷600份。

      2. 样本描述统计:具体个人信息描述性统计如表2所示,问卷调查对象按照性别、年龄、职级、受教育程度、工作年限等进行了统计分析整理,对问卷调查对象进行了统计分类。

      表 2个人信息描述性统计

      调研对象
      统计信息
      类别 数量 占比/%
      性别 451 75.2
      149 24.8
      年龄 30岁及以下 67 11.2
      31~40岁 127 21.2
      41~50岁 231 38.5
      51岁以上 175 29.2
      职级 基层管理者 185 30.8
      中层管理者 251 41.8
      高层管理者 164 27.3
      受教育程度 本科 224 37.3
      硕士 278 46.3
      博士 98 16.3
      工作年限 1~5年 52 8.7
      6~10年 95 15.8
      10~20年 239 39.8
      20年以上 214 35.7

      3. 研究方法:结构方程模型(Structural Equation Model,SEM)是基于变量协方差矩阵来分析变量之间关系的一种统计方法,是路径分析和实证研究的主要工具[11]1-10。本文中,风险管理能力、项目复杂性和项目绩效是由多个维度组成的。因此,本文采用结构方程建模方法,基于前述的理论假设,构建了五个潜变量之间的路径关系图(如图2所示),用AMOS20软件来运行结构方程模型(SEM)。

      图 2路径示意图

    • 在问卷调查时,因每份问卷均由同一人填写,容易出现同源偏差(Common Method Variances,CMV)问题。本文采取Harman的单因子检测方法,即问卷所有条目一起作因子分析,在未旋转时得到的第一个主成份,反映了CMV的量。在本文中,该主成分占问卷所有因子的34.998%,并没有占到多数,所以同源偏差在可以接受的范围内。

    • 研究过程中,通过SPSS20.0软件分析检验模型中6个变量的数据有效度和可信性。本文采用Cronbach’s信度系数来检验数据的信度,一般Cronbach’s系数至少要大于0.6,且最好能大于0.7;若小于0.3则应拒绝。表3列出了本文所设计的各分量表的Cronbach’sα系数,表3中的各个值都大于0.7,因此信度是符合要求的。

      表 3量表的Cronbach’sα系数

      因子 Cronbach值 题项数目 量表Cronbach值
      风险管理承诺 0.907 4 0.965
      组织风险文化 0.959 5 0.965
      风险识别能力 0.964 5 0.965
      风险分析能力 0.912 4 0.965
      风险管理的标准化 0.969 4 0.965
      项目绩效 0.873 8 0.965

      通过Cronbach’s系数的检验分析,可以看出潜变量间存在较强的相关性,说明这些因素间可能有另一个更高阶的共同因素存在。因此本文提出了一个更简单的关于风险管理成熟度的基于SEM的二阶因子分析模型,即假设有一个称为“风险管理成熟度”的二阶因子,会影响各一阶因子的表现,如图3所示。

      图 3二阶因子分析模型

      对于效度分析,首先进行KMO检验和巴特利球体检验,如表4所示, $ {\rm{KMO}} = {\rm{0}}{\rm{.951}} > {\rm{0}}{\rm{.7}} $ ,因子值的显著性概率为0.000,小于0.001,说明数据适合做因子分析。

      表 4样本数据的KMO检验和巴特利球体检验

      KMO样本
      测度
      巴特利球体检验
      Approx.Chi-Square 自由度 显著性
      概率Sig.
      0.951 21 167.518 435 0.000***
        注:***P<0.001。

      一般认为,数据在做效度分析时,因子负载大于0.5被认为是有效的,当所提出的因子对所研究变量的整体解释程度达到30%就认为这些变量是有效的。从表5可以看出,本研究所有指标因子的因子负载除了W25以外都大于0.5,这表明各个变量所选取的因子是有效的。

      表 5因子负载

      变量 变量所含指标 因子负载
      风险管理承诺 W1 0.70
      W2 0.87
      W3 0.92
      W4 0.89
      组织风险文化 W5 0.85
      W6 0.84
      W7 0.87
      W8 0.96
      W9 0.91
      风险识别能力 W10 0.91
      W11 0.89
      W12 0.93
      W13 0.92
      W14 0.90
      风险分析能力 W15 0.73
      W16 0.67
      W17 0.90
      W18 0.92
      风险管理的标准化 W19 0.95
      W20 0.93
      W21 0.92
      W22 0.90
      项目绩效 W23 0.73
      W24 0.68
      W25 0.45
      W26 0.58
      W27 0.87
      W28 0.76
      W29 0.72
      W30 0.88

      按照结构方程模型路径图的画图规则,运用AMOS20.0画出验证模型图, 并实现模型的运算,图4为执行完毕之后的标准化系数模型图。图4中,椭圆形表示潜在变量(包括五个一阶因子和一个二阶因子),方框表示测度项,E1、E2等表示测量误差。图4还给出了五个测量维度(一阶因子)与风险管理成熟度(二阶因子)的因子负载关系,载荷系数均大于0.7,说明二阶因子与一阶因子存在着较强的相关关系,因此认为风险管理成熟度的二阶因子模型存在着合理性。

      图 4风险管理成熟度标准化系数模型

      根据模型结果中估计出的参数,对于路径中的因子负荷系数进行显著性检验(截取一阶因子与二阶因子的负荷系数),结果如表6所示。

      表 6模型中路径系数显著性检验

      一阶因子(测量维度)量维二级因子 非标准化路径系数 S.E. C.R. P 标准化路径系数
      风险管理承诺←风险管理成熟度 1.053 0.056 18.740 0.000*** 0.725
      组织风险文化←风险管理成熟度 1.016 0.022 45.233 0.000*** 0.917
      风险识别能力←风险管理成熟度 0.986 0.039 25.546 0.000*** 0.908
      风险分析能力←风险管理成熟度 0.963 0.022 43.286 0.000*** 0.834
      风险管理的标准化←风险管理成熟度 1.000 0.846
        注:***P<0.001。

      表6可以看出,模型结果中估计出的参数都具有统计意义,并通过了显著性检验。根据标准化路径系数,二阶因子(风险管理成熟度)对于各一阶因子的解释力(标准化路径系数)分别为0.725、0.917、0.908、0.834、0.846,表明各测量维度与风险管理成熟度的整体情况呈正相关关系,其中组织风险文化在风险管理成熟度中的重要性是最高的(0.917),而风险管理承诺则最低(0.725)。从模型的整体拟合效果来看,可以通过几个常用的指标值来考察模型的拟合程度:卡方统计量与自由度的比值(卡方统计量与自由度的比值在2~5之间是可以接受的);近似误差均方根(RMSEA)小于0.08;标准化残差均方根(SRMR)小于0.08,拟合优度指数(GFI)大于0.8、相对拟合指数(CFI)要求大于0.9。从表7中的结构方程模型拟合指数可知,各个指标值均达到模型拟合度要求,表明结构方程模型与数据的拟合程度很好,高阶因子模型是成立的。

      表 7测量模型拟合指数

      指标 拟合指数
      χ2/数e NFI NNFI CFI GFI AGFI RMSEA SRMR
      统计值 4.862 0.947 0.950 0.957 0.876 0.841 0.080 0.066
      判断准则 $ {\rm{2}} < {{\rm{\chi }}^{\rm{2}}}$/则67<5 >0.90 >0.90 >0.90 >0.80 >0.80 <0.08 <0.08
    • 本文使用AMOS20.0软件对本研究的整体模型进行了分析检验,得出了模型的整体分析检验结果,如表8所示。拟合度的衡量分为整体模型拟合度检验、测量模型拟合度检验与结构模型拟合度检验。整体模型拟合度指标是用来检验整体模型与观察数据的拟合程度,其衡量指标主要包括绝对拟合指数、相对拟合指数和简约拟合指数。表8给出的整体模型拟合优度指数显示: $ {{\rm{\chi }}^{\rm{2}}} $ /整体模型拟合优度指数为4.781;RMSEA为0.079小于0.08;其他拟合指数NFI=0.914,NNFI=0.922,CFI=0.930等均在0.9以上;GFI=0.833,AGFI=0.801等均在0.8以上;SRMR=0.068小于0.08。由此可知,各类拟合指标均达到了参考值的要求,表明提出的模型与实际数据拟合良好,可用于验证研究假设。

      表 8结构模型拟合指数

      指标 拟合指数
      $ {{{\chi }}^{\rm{2}}} $/数$ e $ NFI NNFI CFI GFI AGFI RMSEA SRMR
      统计值 4.781 0.914 0.922 0.930 0.833 0.801 0.079 0.068
      判断准则 $ {\rm{2}} < {{\rm{\chi }}^{\rm{2}}}$/则8<5 >0.90 >0.90 >0.90 >0.80 >0.80 <0.08 <0.08
    • 本文构建了五个研究假设,从路径验证(图5)结果看,H1(表9)通过了显著性检验。

      图 5结构方程模型

      表 9假设检验

      假设 路径说明 路径系数 P 结论
      H1 绩效←风险管理成熟度 0.52 0.000*** 得到支持
        注:***P<0.001。
    • 石化项目风险管理能力对关系绩效产生显著的正向影响,企业的项目风险管理能力越高,则其关系绩效就越高。对石化企业而言,项目风险管理能力能够显著影响关系绩效,符合企业的期望。同时,这也促使企业愿意投入时间、成本加强对风险的识别、监控和管理,以提高企业的风险管理能力。因此,本文将对技术复杂度和组织复杂度的调节效应检验进行分析。

      1. 技术复杂度的调节效应检验:采用层级回归检验技术复杂度在风险管理成熟度和项目绩效之间关系的调节作用。第一步加入控制变量“项目规模和合同工期”;第二步加入标准化后的前置变量“风险管理成熟度”和标准化后的调节变量“技术复杂度”;第三步加入交互作用项“风险管理成熟度×技术复杂度”。技术复杂度对风险管理成熟度与项目绩效间关系的影响作用分析如表10所示,表明技术复杂度对项目绩效(β表明技术复杂,P $ <{0.001} $ )之间的关系具有显著调节作用,H2得到验证。结果如图6所示,技术复杂度越高,风险管理成熟度对项目绩效的影响更显著。

      图 6技术复杂度的调节效应图

      表 10技术复杂度的调节效应模型

      变量 项目绩效
      项目规模 合同工期 风险管理成熟度 技术复杂度 风险管理成熟度×技术复杂度 ΔR 模型匹配度(F
      模型一 −0.034*** −0.046 0.913
      (0.000) (0.120)
      模型二 −0.028*** −0.075 0.387* −0.129* 0.145 26.455***
      (0.000) (0.113) (0.038) (0.039)
      模型三 −0.030*** −0.042 0.449* −0.158* 0.241* 0.197 30.362***
      (0.000) (0.110) (0.039) (0.038) (0.030)
        注:***$ P<{0.001} $;**$ P<{0.01} $;*$ P<{0.05} $。

      2. 组织复杂度的调节效应检验:采用层级回归检验组织复杂度在风险管理成熟度和项目绩效之间关系的调节作用,第一步加入标准化后的前置变量风险管理成熟度;第二步加入标准化后的调节变量组织复杂度;第三步加入交互作用项风险管理成熟度×组织复杂度。结果如图7所示,组织复杂度越高,风险管理成熟度对项目绩效的影响更显著。组织复杂度对风险管理成熟度与项目绩效间关系的影响作用分析如表11所示,表明组织复杂度对项目绩效(β表明组织复杂, $ P<{0.05} $ )之间的关系具有显著调节作用,H3得到验证。

      图 7组织复杂度的调节效应图

      表 11组织复杂度的调节效应模型

      变量 项目绩效
      项目规模 合同工期 风险管理成熟度 技术复杂度 风险管理成熟度×技术复杂度 ΔR 模型匹配度(F
      模型一 −0.034*** −0.046 0.913
      (0.000) (0.120)
      模型二 −0.012*** −0.051 0.362* −0.176* 0.161 29.711***
      (0.000) (0.110) (0.037) (0.037)
      模型三 −0.020*** −0.039 0.397* −0.221* 0.202* 0.197 30.371***
      (0.000) (0.108) (0.037) (0.038) (0.035)
        注:***$ P<{0.001} $;**$ P<{0.01} $;*$ P<{0.05} $。
    • 本文研究结果表明:(1)鉴于大型石化项目的复杂性,衡量项目绩效指标多维度的,既应包括工期、成本、质量指标,也应包括安全和环境指标。(2)项目风险管理对大型石化项目绩效有显著的正向影响。(3)项目技术复杂度越高,风险管理成熟度对大型石化项目绩效的影响会更显著。(4)项目组织复杂度越高,风险管理成熟度对大型石化项目绩效的影响会更显著。通过理论分析和实证研究,笔者发现将风险管理纳入本质上高度动态的大型石化项目管理所产生的效果是显著的,项目组织应从风险管理承诺、组织风险文化、风险识别能力、风险分析能力、风险管理标准化五个维度,努力提升风险管理成熟度,有效规避项目风险,提高项目的绩效。

      通过实证研究,本文得到了一些管理启示:(1)提升大型石化项目风险管理能力对提高项目管理的关系绩效具有重大意义。企业可以从项目的社会风险管理能力、自然风险管理能力、进度风险管理能力、质量风险管理能力和成本风险管理能力等方面对石化项目风险管理能力进行评价,进而确定提升项目风险管理能力的有效方法和途径,为实现关系绩效的提高提供参考。(2)企业在提升项目风险管理能力时需要有的放矢。如果企业需要改善关系绩效,则应该加强对石化项目社会风险和项目自然风险的识别和分析,同时进一步提升对项目进度风险的控制和项目质量风险的管理水平;如果企业希望通过项目实践来实现新技术的产生、新竞争力的形成以及新市场的开辟,则应该适当调整对项目成本风险的管控,甚至宁可损失一部分短期利益来实现未来长远利益的提升。

      本文的研究丰富了大型石化风险管理能力、项目复杂性和项目绩效之间关系的研究。一方面,对RBV理论作出了贡献,本文的研究结论表明,大型石化项目风险管理能力是一种资源,可以提高石化项目的性能。另一方面,本文的研究结果呼应了权变理论,即项目技术复杂性和项目组织复杂性作为背景因素,可以加强石化项目风险管理能力与项目绩效之间的联系。

      由于大型石化项目投资大、工期长、技术质量要求高、界面复杂、项目利益相关者众多,项目实施过程中的风险因素多、运行机理复杂,项目风险的分析、演化与控制涉及多方面的理论、方法和技术,本文只做了一部分探索,今后还需要从风险与绩效的演化机理、风险响应策略等方面做更深入的研究。

参考文献 (53)

目录

    /

      返回文章
      返回
        Baidu
        map