《CivilEng》：Cost Overruns and Claims Management in Highway Construction: Lessons from International Project Management and Emerging Methodological Advances
编辑推荐：
在许多国家，避免公路基础设施建造成本超支并减少相关索赔与争议仍是挑战。研究需识别可能引发成本超支的显著项目规划与管理缺陷。既有文献提出众多潜在超支成因，但成因变量的聚类及其相对重要性尚未被研究。本研究利用参与国多家机构提供的数据建立预测模型填补该空白，并提出缓
在许多国家，避免公路基础设施建造成本超支并减少相关索赔与争议仍是挑战。研究需识别可能引发成本超支的显著项目规划与管理缺陷。既有文献提出众多潜在超支成因，但成因变量的聚类及其相对重要性尚未被研究。本研究利用参与国多家机构提供的数据建立预测模型填补该空白，并提出缓解措施。在回顾方法与数据源后，提出一套涵盖统计方法的方法学框架，为识别重要成本超支变量聚类提供科学基础。来自加拿大、美国、中东和澳大利亚的知识专家与资深管理者填写的53份合格问卷满足统计方法样本要求。从53个变量出发，主成分支持因子分析（principal component-supported factor analysis）识别成本超支变量聚类，并借助建立的逻辑回归（logistic regression）模型推断聚类相对重要性。研究深入揭示超支成因，提出管理人员可实施的缓解措施（如提升人员资质与经验、改进规划与设计实践、对成本估算输入开展风险分析）。结果可完善基础设施规划与管理实践，包括减少索赔与争议。
研究背景方面，公路基础设施项目在规划、设计、施工全周期中普遍面临实际成本偏离预算的成本超支问题，伴随大量索赔与争议。传统研究多罗列离散成因，缺乏对成因变量聚类结构及相对重要性的量化推断，且少有基于多国资深管理者一手经验的国际比较。为弥补上述知识缺口，研究人员依托国际问卷调研与概率型统计建模，系统识别可前置缓解的超支根源。该研究发表于《CivilEng》，其结论为交通机构在前规划阶段嵌入风险分析、强化人员资质与估算流程提供了实证支撑。
关键技术方法上，研究人员向加拿大、美国、中东、澳大利亚的交通机构及专家发放约150份五点Likert量表问卷，回收53份有效卷（Cronbach's α=0.98）；经相关性过滤保留31变量，通过Kaiser–Meyer–Olkin（KMO=0.816）与Bartlett球形检验确认适切性；采用主成分分析（Principal Component Analysis，PCA）支持因子分析提取特征值>1的5个因子（累计方差81.04%），Varimax旋转后合并为三簇；以三簇因子为自变量，建立概率型逻辑回归（logistic regression）模型，用odds ratio、Nagelkerke R2、Cox & Snell R2及Omnibus χ2评估拟合与显著性。
研究结果部分，按原文小节浓缩如下：
- 1.
The Context of Project Development and Estimating Costs：项目历经系统/走廊级预研究、规划（目标与备选方案评估）、设计（细化估算）、实施（征地与建造）四阶段，成本估算随信息更新迭代，为后续风险分析锚定阶段边界。
- 2.
Problem Definition and Research Objectives：明确成本超支为实际成本减含应急费预算之偏差；研究目标为获取国际管理者经验、提取变量聚类、推断相对重要性、定位可缓解节点、界定风险分析角色。
- 3.
Study Organization：以图2路线图统摄文献回顾、国际问卷、PCA因子分析、逻辑回归建模。
3.1 Literature Review：3.1.1综述Reference Class Forecasting（RCF）、应急费确定性/概率法；3.1.2指出既往多国回归模型缺乏概率型重要性推断。
3.2 Need for Methodological Advances and Data Contributed by Experienced Managers：主张PCA降维保信息+逻辑回归处理二值随机性，突破单国线性回顾局限。
3.3 International Questionnaire Survey：选资深管理者（非crowdsourcing、非纠纷代理人）为信源，保障变量认知深度。
3.4 Cost Overrun Variables：从政策、规划、法规、设计、财务、人员资质等维度设53变量，Likert五级评分。
3.5 Identification of Cost Overrun Factors：PCA将31变量转为不相关主成分，依特征值与方差贡献留因子。
3.6 Suitability of Survey Data：Cronbach's α=0.98证信度。
3.7 Filtering Data and Adequacy Tests：删r<0.3变量剩31；KMO=0.816，Bartlett χ2=2189.718（p<0.05）准入因子分析。
3.8 Factor Extraction：初提5因子（特征值>1，累方差81.04%）；Varimax旋转后方差均衡（因子1由63.55%降至18.64%，因子2–4分别18.02%、15.10%、14.77%，因子5为14.51%）；Scree图佐证留5因子；因子2–4因变量同属设计/施工/进度/估算/财务/经验域合并为Combined Factor。
3.9 Interpretation of Factors：因子1（8变量，含设计信息迟发等）占18.64%；Combined Factor（因子2–4合并）占47.89%；因子5（4变量）占14.51%；变量归属经旋转矩阵判定载荷>0.5。
3.10 Probability-Based Logistic Regression Modelling：3.10.1给出P=1/(1+e?(B?+ΣB?X?))形式，以最大似然估参，odds ratio>1示促超支；3.10.2逐加因子校准——仅因子1时odds ratio<1、χ2=0.155（p=0.693）不显著；加Combined Factor后odds ratio>1、?2LL由72.391降至53.664、χ2=18.882（p<0.05）、Nagelkerke R2=0.402；再加因子5模型弱改善（?2LL=52.674，χ2=19.872，Nagelkerke R2=0.419），唯Combined Factor显著促超支。
讨论部分指出，Combined Factor（设计不完整/错误、范围变更、未预见物理条件、工人缺陷、合同管理失败等）相对重要性最高，与多国索赔笔录一致，具外部效度；因子1含“设计信息迟发”却odds<1，说明高方差因子未必转化概率驱动；研究呼吁在规划/设计前置嵌入风险分析、提员资质、改估算流程。结论部分译文：所提方法学框架与多国管理者数据达成目标；PCA支持因子分析无损提取聚类，逻辑回归量化因子概率效应；超支主因聚于施工前活动，规划者与管理者可缓释；未来可扩国别与拓至公交/机场/港口等基建。
