王丽华

(安徽财经大学 会计学院，安徽 蚌埠 233000)

近年来，我国经济建设成果令世人瞩目。建筑行业作为国民经济的支柱产业，在新一轮城乡一体化战略的推动下，面临着前所未有的机遇，正所谓机遇和挑战并存。建筑企业若想在瞬息万变的市场竞争中保持核心竞争力，必须要重视和优化成本管理。工程成本控制需要科学地预测，才能降低和规避风险偏差。工程项目成本控制可分为事前、事中和事后控制，具有动态的特征[1]。统计学和建模的发展和普及，为建筑工程项目成本预测创造了新的方法。本文采用主成分因子分析法，从建筑工程项目中的数据筛选中提取新的影响因子，建立了多元线性回归模型，旨在为建筑工程企业提升经济效益带来参考或借鉴[2]。

1 建筑工程项目成本预测的意义

首先，项目成本预测有助于工程企业预先对成本管理进行前瞻性的控制，而且对施工企业投标可以做出决定性的指导，在避免偏差的基础上，使高层管理人员了解不同工程的大致成本，进而积极主动决策成本方案，以确保企业在激烈的市场竞争中具备可持续发展的实力。其次，由于建筑工程项目成本预测可以提升企业人力资源利用效率，因此，在实现项目资金开源节流的基础上，使得建筑企业能够预先准备充足的垫资金额，确保建筑工程能够高效整合并按部就班地开展施工[3]。再次，随着建筑市场竞争的日益激烈，在人们不断提高的对建筑质量和品质需求的背景下，项目成本预测更加有益于企业获取效益，同时，可以合理地规划好施工单位的阶段性成本控制，而且通过实际成本与预先的成本对照，可以及时有效地对成本监控方案进行调整，以此使得建筑企业保持竞争优势。最后，由于建筑项目所涉及的范畴相对广泛，若要确保成本管理无死角，就必须细化项目成本消耗比重，并按照预测结果对指标进行层层分解，最终使得建筑企业获取最优化的管理，以确保工程的品质。

2 主成分回归分析理论概述

在建筑工程项目成本预测中，由于建筑项目周期长且消耗大，结构十分复杂，因此，影响工程成本的因素有很多，其影响程度各不一致，而且很多因素是不可调控的，如与国家政策相关的宏观因素等。本文主要研究的是微观因素，即企业能够自身调控的各种微观因素，包括施工工期、建筑层数与层高、工程造价指数、地下室面积、门窗数量、建筑及标准层面积等影响因子。实现对建筑项目成本的准确预测，需要通过对相关因子数据进行获取，然后采用主成分因子分析法对数据进行校验，以得出影响较大的影响类型，这样才能够明晰其对建筑工程成本的真实影响，这也是主成分分析法的重要用途[4]。主成分分析法于1993年问世，一经提出便受到了广泛的认可和传播。该方法在确定研究对象后，对其提供的变量数据进行分析，能够有效减少变量的数量，使得变量间的关系既相互独立，又能够保留原始信息。面对建筑工程项目成本预测的复杂性，且不同因子间具有不可避免的共线性，要想真正实现预测的准确性能，必须要应用主成分分析法消除因子间的共线性。主成分分析法的优势在于对列举影响因子进行统计后，可以提取出新的变量，之后将新变量与原有因子进行转化，这种降维和消除共线的特点使得成本预测结果更加客观合理[5]。本文运用SPSS统计软件计算因子的权重系数，并将结果大于1的因子作为主成分因子，最终得出各自因子的得分。其公式为：

Fj=βj1X1+βj2X2+…+βjpXp(j=1,2,3,…,m)

其中，X1,X2,X3,…,Xn——经过标准化的因子；

βj1,βj2,…βjn——Fj在Xn上的得分系数。

3 建筑项目工程成本预测理论分析

简单来讲，成本预测流程可分为7个部分，分别为：制定成本计划，搜集整理相关资料，筛选影响成本的因子，选择预测方法，建立模型分析和判断，修正与完善预测数据，得出预测结果等。其中，较为关键的环节如下：首先，在制定成本计划时，要通过详细判定项目投资指标及经济利润的可行性，确保为投资决策奠定坚实基础。其次，在搜集整理相关资料时，资料数据要力争与成本发展趋势保持一致，并涵盖横向及纵向数据资料，同时确保资料数据的消耗性、动态性以及参考性[6]。再次，在筛选影响成本因子时，因子要与工程项目成本规律同步，并遵循项目实情，尤其要选取对项目成本具有决定性影响的权重因子。最后，采取常见的预测方法，即定性预测法和定量预测法，其中，定性预测法还可分为德尔菲法、专家打分法、目标预测法；定量预测法则包括时间序列模型和因果关系模型。本文选用主成分回归法是为了避免主观因素的干扰，结合建筑工程预测成本的动态发展状况，建立适用于长期使用的预测分析。其数学建模公式为：

Y=β0+β1X1+β2X2+βmXn+ε

其中，ε～N(0,σ2)，Y为因变量，自变量为X1…Xn,而β为回归系数，ε是随机误差，进而为回归模型做出显著检验。而变量间的回归关系为：

4 SPSS统计软件简述

近年来，随着互联网科技的发展，计算机辅助软件凭借其不可替代的优势逐渐成为人们用于工作的首选工具。尤其在大数据和信息化的背景下，计算机辅助工具的应用更加便捷，且类型丰富。在建筑企业工程管理过程中，对于相关软件的需求更是极为迫切。软件在工程管理工作中的应用，可以极大提高管理工作的效率，并能实现深层次的创新和优化分析，这不仅扩大了企业盈利空间，也有助于企业实现可持续发展的战略目标。目前，工程造价软件十分普及，软件的优势在于不仅能够转变以往数据的储存方式，而且对于成本的数据管理更为详细和持久，甚至减少不必要的损失，因为这些数据都是企业成本预测管理的保障和支撑。SPSS(Statistical Package for Social Science)，即社会科学统计软件包，可以利用历史数据进行重新加工和处理，以达成项目成本预测的途径。该软件的价值极为显著，是世界公认的三大数据统计及分析软件之一，其核心职能为能够将复杂的数据转化为简洁通俗的形式，并通过数学统计量进行表达，而且能够根据数据的特殊规律和特点，自动做出判断和趋势分析。目前，SPSS软件在各个领域都被广泛应用，其应用范围覆盖金融、医学和管理以及建筑行业，已经取得了令人瞩目的成就和业绩。在建筑工程项目成本预测的应用中，SPSS虽然仍处于初级阶段，但其效果十分喜人，凭借其简单且易于操作的特点，我们只要将原始数据按照录入要求进行操作，就可以通过描述性的统计及时序性的分析来构建对应的数学模型。待建模完成后，SPSS软件还可以通过输入数据实时算出计算结果。

5 建筑工程项目成本预测案例研究

5.1 模型建立

本文选取了影响建筑工程项目成本的具体影响因子，包括了建筑层数、施工工期、地下室面积、门窗数量、建筑面积、当年工程造价指数、建筑层高、标准层建筑面积、地基类型、屋面类型、外墙装饰、楼面装饰、基础类型、门窗类型、结构形式、工程类别等定性与定量因素，并从150个已完工的样本工程中选取对应的数据因子(见表1)。通过对数据的量化分析，最终确定8个影响因子作为工程项目成本预测的主成分回归模型。

运用SPSS软件对其中相对重要的8个影响因子进行共线分析，并通过KMO与Bartlett两种方式检验，得出新的主成分因子，进而得出主成分因子表达式。

5.2 数据初步回归分析

在对8个变量的共性诊断和初步回归分析中，为了得出更为真实的建模数据，可以通过如下诊断指标进行诊断，详情如表2所示。

从表2的诊断结果来看，有1个变量的特征根为0，有4个变量的条件指数大于10，表明具有多重共线现象的特征。因此，引入主成分因子分析法十分必要，且势在必行。

5.3 运用主成分回归法得出因子分析结果

SPSS软件的运用，需要首先对因子进行条件检验，进而判断因变量和自变量的关系，待详细掌握变量的确切相关性后，才能为因子分析法的运用创设基础保障。通过主成分分析方法对8个变量因子进行提取，所提取的特征值必须大于1，并运用正交旋转法，由于SPSS软件在选择的变量中能够保留主成分因子，且累计方差能够达到规定值的85%以上，因此能够证实该过程的分析是准确无误的。在SPSS旋转后发现，主成分因子可细化为项目结构因子、项目规模因子、项目装饰因子以及项目动态因子。其中，项目结构因子包括地基类型、屋面类型、建筑层高；项目规模因子包括标准层建筑面积、地下室面积、建筑面积和建筑层数；项目装饰因子包含门窗类型和数量、楼面与外墙装饰；项目动态因子主要与施工工期和造价息息相关。根据因子得分系数矩阵并代入得分权重公式如下：

F1=0.024X1+0.016X2+0.028X3+0.024X4++0.042X5++0.034X6++0.124X7+0.311X8

F2=0.044X1+0.076X2+0.096X3+0.103X4++0.543X5++0.052X6++0.108X7+0.021X8

F3=0.016X1+0.012X2+0.003X3+0.052X4++0.043X5++0.075X6++0.102X7+0.557X8

F4=0.123X1+0.113X2+0.024X3+0.048X4++0.016X5++0.021X6++0.134X7+0.038X8

5.4 构建主成分回归模型

将项目结构因子、项目规模因子、项目装饰因子和项目动态因子作为新变量，并对因变量项目进行最小二乘回归分析。详情如表3所示。

根据表3中的回归系数，通过对F1、F2、F3和F4的旋转，得出各自的百分比，并以此为依据解决多重共线问题，进而得出科学的建筑工程项目成本预测信息及结果。

6 结语

对于工程项目成本而言，科学预测是确保企业可持续发展的必然途径。虽然成本预测属于虚拟预测，却是拟建工程决策参考的重要依据。只有确保成本预测的安全性和可靠性，才能减少成本消耗，进而避免不必要的投资和资源浪费。此外，建筑项目管理人员还要加强自身专业素质和与时俱进的能力，充分考虑好地域性和季节性差异，确保主成分回归成本预测的高效性和可行性。

参考文献：

[1] 蓝荣梅.基于指数平滑法的建设项目成本预测研究[D].成都:西华大学，2013.

[2] 刘大江.基于RS理论的建筑工程成本预测研究[J].山西建筑，2010，36(35):241-242.

[3] 张辉.基于回归分析方法的INMS项目成本估算模型研究[D].上海:上海交通大学，2012.

[4] 曹李祥.建设工程施工项目目标成本预测及成本控制研究[D].兰州:兰州交通大学，2014.

[5] 郎云雯，段美英，赵金燕，等.关于主成分回归分析程序的研究[J].统计与决策，2013(18):75-76.

[6] 张元姣.基于主成分回归分析的上海房价影响因素研究[J].现代商业，2013(27)125-126.