基于治理的監(jiān)理工程師信用改善研究.pdf

1、近年來,伴隨我國經濟快速發(fā)展,建筑業(yè)取得了長足的進步。但在發(fā)展的同時,信用環(huán)境不良,失信懲罰不力,信用體系不完善等問題逐漸顯現出來。監(jiān)理工程師作為工程項目建設領域一個重要參與方,其信用狀況的好壞,直接影響到工程項目質量的好壞。因此,如何有效地提高監(jiān)理工程師信用水平在理論和實踐上是迫切需要深入研究和解決的問題。為此,本文基于治理理論,運用文獻綜述研究、問卷調查及數據統(tǒng)計分析、借鑒和學習成熟博弈模型和理論等方法,主要對以下幾方面內容進行了深

2、入探討:
　　 1.基于治理理論的本質、研究進展以及監(jiān)理工程師信用的特殊性構建了監(jiān)理工程師信用治理理論框架:將監(jiān)理工程師信用治理分為內部治理與外部治理兩大方面,并通過引入治理時效擴展了監(jiān)理工程師信用內、外部治理。
　　 2.根據監(jiān)理工程師信用的特點,遵循科學性、整體性、獨立性和可操作性原則,論文通過檢索大量文獻獲得監(jiān)理工程師信用的評價指標和影響因素及其排序,并據此設計調查問卷以鑒定監(jiān)理工程師信用的關鍵評價指標體系,在評價

3、方法上,將模糊物元模型應用到監(jiān)理工程師信用綜合評價中。通過建立多指標性能參數的評判模型和關聯(lián)函數進行評判,以定量的等級表示監(jiān)理工程師信用高低的結果。結果表明,該方法簡便、易行,適用于監(jiān)理工程師信用評價,為開展監(jiān)理工程師信用的外部短期監(jiān)控提供了理論支撐。
　　 3.利用支持向量機技術,結合建筑市場監(jiān)理工程師信用的相關特點,對監(jiān)理工程師信用進行了預測研究,彌補了模糊物元分析在進行監(jiān)理工程師信用評價中缺乏長效約束的局限性。實證結果表明

4、,與一般BP神經網絡、PNN神經網絡相比,支持向量機在小樣本情況下具有優(yōu)于其他機器學習算法的性能,其預測精度也更為準確。
　　 4.在信息不對稱條件下研究了業(yè)主薪酬激勵對監(jiān)理工程師信用的影響。首先,通過界定監(jiān)理工程師信息掌握的時點,確定了在合同簽訂前以及合同簽訂后兩種不同條件下業(yè)主薪酬激勵的對應措施；在此基礎上,研究得出了不同時點條件下業(yè)主的最優(yōu)薪酬激勵,為開展監(jiān)理工程師信用的內部短期控制提供了理論支撐。
　　 5.將工