-
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。
-
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 男 451 75.2 女 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)。
-
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。
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。
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值 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。 从表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。
表 9假设检验
假设 路径说明 路径系数 P值 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。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。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} $。
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。Abstract:Petrochemical project is a complex system engineering. there are many risks in the process of project implementation, which affect the project performance. From the perspective of project owner, for large-scale petrochemical project, the project performance is divided into two dimensions: process performance and Outcome Performance, and the measurement of project performance is extended to five dimensions: time limit, cost, quality, safety and environment, which breaks through the iron triangle for the measurement of project performance: time limit, cost, quality. Meanwhile, risk management is divided into risk management commitment, organization risk culture, risk identification ability, risk analysis capabilities and risk management standardization. Combined with the survey data of large-scale petrochemical projects in China, the relationship between risk management and performance for large-scale petrochemical project is studied by structural equation model. In addition, the moderating effect of technical complexity and organizational complexity on the relationship between risk management and project performance is discussed. The empirical research shows that the project risk management can improve the project performance, the higher level of the technical complexity and the organizational complexity, the effect of the project risk management on the project performance is more remarkable.
-
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]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 男 451 75.2 女 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 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 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。 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 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值 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 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 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}}}$/则8<5 >0.90 >0.90 >0.90 >0.80 >0.80 <0.08 <0.08 表 9假设检验
假设 路径说明 路径系数 P值 结论 H1 绩效←风险管理成熟度 0.52 0.000*** 得到支持 注:***P<0.001。 表 10技术复杂度的调节效应模型
变量 项目绩效 项目规模 合同工期 风险管理成熟度 技术复杂度 风险管理成熟度×技术复杂度 ΔR 模型匹配度(F) 模型一 −0.034*** −0.046 0.913 (0.000) (0.120) 模型二 −0.028*** −0.075 0.387* −0.129* 0.145 26.455*** (0.000) (0.113) (0.038) (0.039) 模型三 −0.030*** −0.042 0.449* −0.158* 0.241* 0.197 30.362*** (0.000) (0.110) (0.039) (0.038) (0.030) 注:***$ P<{0.001} $;**$ P<{0.01} $;*$ P<{0.05} $。 表 11组织复杂度的调节效应模型
变量 项目绩效 项目规模 合同工期 风险管理成熟度 技术复杂度 风险管理成熟度×技术复杂度 ΔR 模型匹配度(F) 模型一 −0.034*** −0.046 0.913 (0.000) (0.120) 模型二 −0.012*** −0.051 0.362* −0.176* 0.161 29.711*** (0.000) (0.110) (0.037) (0.037) 模型三 −0.020*** −0.039 0.397* −0.221* 0.202* 0.197 30.371*** (0.000) (0.108) (0.037) (0.038) (0.035) 注:***$ P<{0.001} $;**$ P<{0.01} $;*$ P<{0.05} $。 -
[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