李鳴宇 陸云峰 馬馳 高金垚
(1.航天工程大學,北京 102200;2.31697部隊,遼寧 大連 116104)
選址問題來源于不同功能設施的勘察定點和工程施工建造等具體工程項目實際背景,是合理規(guī)劃空間、配置資源、發(fā)揮效能和規(guī)避風險的關鍵。設施選址具有很高的風險性,不合理的選址決策會限制設施效能發(fā)揮、影響空間布局,且一旦選址位置確定,短時間內(nèi)很難變更,一系列不利影響會持續(xù)很長時間。因此,設施選址的風險管理尤為重要。科學、全面地判定設施選址過程中的風險因素,可通過量化、科學的方法篩選確定關鍵風險因素,解決原始風險因素過多、風險因素權重不明確的問題,以期用少數(shù)關鍵風險因素最大限度反映風險信息,為后續(xù)開展風險評估提供科學、客觀的數(shù)據(jù)支撐,盡可能地降低風險的破壞性,提升風險的機會性,評估出最小消極風險的備選地址,完成設施選址決策。
因子分析法是由英國心理學家C.E.斯皮爾曼提出的一種減少變量數(shù)目、檢驗變量之間關系的方法,其基本思想是將原始的顯性變量按照彼此的相關性分類,將相關性強的原始變量歸為一類,不同類變量之間的相關性很低[1],便于將原始的、大量的數(shù)據(jù)進行簡化處理,旨在以最小的信息缺失,將大量原始數(shù)據(jù)凝聚為少數(shù)幾個新概念變量,以及使新概念變量具有較強的解釋性[2]。原始的各變量屬于顯性變量,少數(shù)幾個新概念變量屬于潛在變量,因此稱其為因子,用于描述原始變量中具有相關性的多個變量。
根據(jù)待選位置的實際情況對其進行風險因素的全面識別,而后運用因子分析法對原始風險因素進行處理,篩選出關鍵風險因素,為后續(xù)風險評估提供參考。具體步驟如下。
1.2.1 統(tǒng)一原始風險因素表達形式
對原始風險因素進行標準化處理,并求其相關矩陣。設原始風險因素由兩部分組成:公共因子和特定因子。公共因子是所有原始變量共同擁有的因子,能夠解釋原始風險因素之間的關系;特定因子是該風險因素本身特有的因子,不能被公共因子所闡釋。
假設待選位置中有q個原始風險因素r=(r1,r2,…,rq)′,均值是μ=(μ1,μ2,…,μq),協(xié)差陣是∑=(σij),原始風險因素的因子模型為
r1=μ1+a11f1+a12f2+…+a1mfm+ε1
r2=μ2+a21f1+a22f2+…+a2mfm+ε2
…
rq=μq+aq1f1+aq2f2+…+aqmfm+εq
其中,f1,f2,…,fm是公共因子,是原始風險因素都包含的因子。ε1,ε2,…,εm是特定因子,是各原始風險因素各自特有的因子。公共因子和特定因子皆為不可觀測的變量,上式可以通過矩陣表示
r=μ+Af+ε
式中,f=(f1,f2,…,fm)′是公共因子向量,ε=(ε1,ε2,…,εq)′是特定因子向量;A=(aij):q×m為因子載荷矩陣。
假定
E(f)=0
E(ε)=0
V(f)=I
V(ε)=D=diag(σ12,σ22,…,σq2)
Cov(f,ε)=E(fε′)=0
各公共因子之間不相關,同時具有單位方差,各特定因子之間不相關且和公共因子也不相關。
1.2.2 分析原始風險因素之間的相關性,驗證運用因子分析法適合與否
當原始風險因素滿足兩個條件時,說明適合進行因子分析:
(1)巴特利特球體檢驗,顯著性值<0.01。
(2)KMO檢驗,KMO值>0.5。
KMO檢驗用于計算原始風險因素之間的簡單相關系數(shù)和偏相關系數(shù),其數(shù)學表達式為
KMO的值越大,越適合采用因子分析的方法,其標準為:>0.9,非常適合;0.8~0.9適合,0.7~0.8,一般適合;0.5~0.7,不太適合,比較勉強;<0.5,不適合。兩種檢驗方法均可運用SPSS軟件進行驗證。
1.2.3 提取公共因子,選擇合適的公共因子的數(shù)量表達原始風險因素信息
1.2.4 進行因子旋轉,使公共因子對原始風險因素具有較強的解釋能力
因子解釋起來帶有主觀性,可通過因子旋轉促成原始風險因素的分類,減少主觀性使公共因子易于解釋,這一過程能否適用關鍵在于因子載荷矩陣A的元素結構。假設A是從R出發(fā)求得的,則有|aij|≤1,如果矩陣A中所有的元素都接近0或±1,那么模型因子就易于解釋。此時將r1,r2,…,rq分為m個部分,分別對應f1,f2,…,fm,稱其為簡單結構。
正交旋轉:f*=T′f,相應地有A*=AT,記
A′=(a1,a2,…,aq),A*′=(a1*,a2*,a3*,…,aq*)
因A*′=T′A′,即
(a1*,a2*,…,aq*)=T′(a1,a2,…,aq)ai1*
故ai*=T′a(i=1,2,…,q)
對m=2時的一般情況,假設按照逆時針旋轉的角度為θ(如果是負數(shù),則為順時針),則旋轉前后的因子載荷有如下關系式
當因子數(shù)m>2時,運用最大方差旋轉法,令
若A*=(a*ij),則A*的第j列元素平方的相對方差可以定義為
選擇正交矩陣T,使得m個列元素平方的相對方差之和V=V1+V2+…+Vm達到最大。
1.2.5 對公共因子進行定義
根據(jù)原始風險因素的分類情況,對公共因子所表示的類別進行重新定義和命名。
1.2.6 計算各因子得分,對結果進行解釋
公共因子能夠反映出原始風險因素之間的相關關系,采用公共因子作為原始風險因素的代表時,更加有利于對研究對象的特征進行描述。因此,可以將公共因子用原始風險因素的線性組合形式表示
fj=bj1r1+bj2r2+… +bjqrq(j=1,2,…,m)
稱f為因子得分函數(shù),用來計算因子得分,進而進行后續(xù)統(tǒng)計分析。
rj的因子得分可用回歸法計算,如下
H設施是為了實現(xiàn)天然氣鉆探的地質目標所建設的鉆前工程,是為油氣勘探開發(fā)提供設備基礎、進場道路、鉆井場地、池類以及供電、供水等的臨時工程,是鉆井工程順利實施的保障。由于地理、水文和人文方面選址的制約因素多,選址決策比較困難。
H設施現(xiàn)有3個待選位置,通過查閱相關資料和整理專家的意見建議[3-7],初步識別出4類共9個原始風險因素,見表1。
表1 H設施待選位置原始風險因素清單
采用專家評分法對地質、水文和油氣勘探領域150名經(jīng)驗豐富的專家進行問卷調(diào)查,給上述原始風險因素對待選地址決策的影響程度進行打分。打分規(guī)則:“風險巨大”計9分;“風險較大”計7分;“風險一般”計5分;“風險較小”計3分;“風險可忽略不計”計1分。發(fā)放問卷150份,回收問卷116份,有效問卷108份,有效問卷率為93.1%。運用SPSS軟件對原始風險因素問卷進行分析:
KMO值為0.816,適合;Bartlett檢驗的顯著性0.000<0.01,說明原始風險因素之間存在相關性,可以運用因子分析法進行問題研究。表2為KMO和Bartlett檢驗值。
表2 KMO和Bartlett檢驗值
通過公因子方差的值體現(xiàn)對公共因子的解釋能力,除了滑坡R1和洪水災害R7的公因子方差較小,其余風險因素的公因子方差值均在0.75以上,說明公因子整體上對原始風險因素的解釋能力較強,滑坡R1和洪水災害R7公因子方差<0.4,予以剔除。公因子方差值見表3。
表3 公因子方差值
在主成分分析法的基礎上,選取特征根>1的因子,通過主成分因子的特征值和方差貢獻度可以看出,因子1~3的特征值>1,原始風險因素可以提取為3個公共因子,這3個公共因子可以解釋86.747%的信息,且公共因子負荷系數(shù)絕對值高,說明原始風險因素相關性顯著??偡讲罱忉屢姳?。
表4 總方差解釋
通過表5確定公因子中的關鍵風險因子及公因子所代表的風險。第一個公因子貢獻率為36.463%,負荷系數(shù)在鉆前工程活動、鉆井(試油)作業(yè)、后期油氣開發(fā)生產(chǎn)三個風險因素上分別是0.902、0.881、0.713,負荷系數(shù)較高,且與環(huán)境危害風險相對應,表明了環(huán)境風險對該項目選址決策的影響;第二個公因子貢獻率為24.807%,負荷系數(shù)在礦井(坑道)風險和溶洞風險上為0.835和0.828,這兩個風險因素對應礦井(坑道)、溶洞危害風險;第三個公因子貢獻率為16.493%,負荷系數(shù)在泥石流和巖石崩塌上分別為0.894、0.791,這兩個風險因素與地質災害風險相對應。表6進一步總結了H設施待選地址風險因素的公因子及其貢獻率和構成公因子的主要風險因子指標。
表5 旋轉后的成分矩陣
表6 公共因子及其貢獻率
確定公因子在H設施選址風險中的所占因子權重。因子權重為因子貢獻率和因子累計貢獻率的比值。從表7可以看出,該設施選址決策項目受環(huán)境危害風險的影響最大,其因子權重達到46.890%;其次是礦井(坑道)、溶洞危害風險,因子權重為31.901%;再次是地質災害風險,因子權重為21.209%。
表7 因子權重
通過因子分析法,剔除H設施待選地址中滑坡和洪水災害兩個非關鍵風險因素,確定H設施待選地址風險因素按照重要程度從高到低為:環(huán)境危害風險>礦井(坑道)和溶洞危害風險>地質災害風險,可為后續(xù)風險評估提供科學依據(jù)和參考。
對待選位置的風險因素進行科學識別和評價,是有效風險評估和后期設施建設運營的前提。本文提出運用因子分析法對設施選址決策進行風險識別,并以H設施選址項目為例,采用問卷調(diào)查的方法咨詢專家,結合文獻資料查閱結果,運用因子分析法對原始風險因素進行分析處理,篩選并確定關鍵風險因素及其排序,旨在提高設施選址風險識別能力,具有一定的實踐價值。需要注意的是,在運用因子分析法時,需要有足夠的樣本量作為數(shù)據(jù)支撐,樣本數(shù)要大于100份,樣本數(shù)應為原始變量數(shù)的5倍以上,否則將出現(xiàn)因子分析結果不穩(wěn)定、缺乏說服力等情況。