为了应对全球范围内气候变化风险，建立绿色和谐社会，“双碳”目标和ESG理念已成为我国政策和市场的焦点。2021年“两会”上，“碳达峰、碳中和”目标首次被写入《国务院政府工作报告》，标志着国家级政策对环境和可持续发展的高度承诺。随着2024年《企业可持续披露准则———基本准则（征求意见稿）》的推出，企业对于环境、社会及公司治理（ESG）信息的披露逐渐由自愿性转变为强制性，这一变化无疑将对企业运营和战略规划产生深远影响。对于周边环境影响控制要求高且惠民性强的大型基础工程，企业亟需在提高项目绩效的同时，兼顾好社会责任。已有一些学者对ESG理念融入项目进行了研究，高华等[1]探究了ESG赋能PPP绩效管理的困境；于松伟等[2]基于ESG理论将城市轨道交通的可持续发展状态划分为“八种四类”进行量化计算；李林等[3]分析了低碳经济背景下公共工程项目绩效评价内涵；Chan等[4]提出了基础设施的可持续发展评估框架；Liu等[5]分析了文化、战略、实施和反思的实践对基础设施可持续成功的影响机制。而对于ESG三个维度对项目绩效的影响关系，当前仍存在研究空白。

因此，笔者依托西安地铁10号线一期和西阎快速路合建工程———泾渭河公铁两用桥项目（以下简称“公轨合建项目”），研究市政工程项目绩效评估与企业ESG评价的影响机制。由于路线选择受限，快速路不得不与铁路共用廊道，导致项目规模扩大，技术标准迅速提高，所带来的环境问题不可忽视。同时，桥梁采用西北地区尚未普遍应用的上下层结构形式，致使创新技术产业链相关的企业需要重新思考自身的应对策略与发展方向。

1、工程背景

公轨合建项目位于西安市城区东北部，地处渭河和泾河的交汇处。这一区域河流资源稀缺，生态环境脆弱，这对项目建设提出了严格的环保要求。同时，该项目集地铁10号线和西阎快速路于一体，桥梁采用上下层结构形式，地铁位于下层，主桥采用复杂的中承式钢桁拱结构，既要满足快速路交通需求，又要确保地铁运行的安全性。整个项目的技术难度高、工序繁琐、协调难度大，给施工团队提出了很大的挑战。该项目对企业来说也无疑是巨大挑战，一方面需要投入大量资金，采用先进技术来克服复杂的施工条件；另一方面，还必须高度重视对当地河流生态的保护，确保不会对脆弱的环境造成负面影响。此外，作为一个备受社会关注的大型基础设施项目，企业还需担负起相应的社会责任，确保在建设过程中维护当地居民的利益。

2、基于Meta分析的市政工程项目绩效评价体系构建

公轨合建项目绩效评价的复杂性主要源于技术与生态双重要求的高度敏感性。该项目采用复杂的中承式钢桁拱结构和多点整体顶推法施工技术，增加了施工难度和技术协调的复杂性。此外，该项目地处生态脆弱的渭河与泾河交汇区，必须在满足交通运输需求的同时，极力减少对周边环境的负面影响。因此，传统的项目评价模型难以准确反映公轨合建项目的多维度绩效。使用Meta分析可以系统地整合和分析不同研究中的数据，帮助识别并量化复杂因素对项目绩效的具体影响，从而提供更为科学和全面的评价框架[6-8]。因此，笔者采用Meta分析对市政工程项目绩效相关的文献进行系统地分析，以确定影响该类工程项目绩效的重要因素，为构建市政工程项目绩效评价体系奠定框架基础。文献来源包含了CNKI文献总库、万方中学术期刊数据库和Web of Science的核心文集，时间跨度为2013—2023年，文献采集和筛选过程如图1所示。

图1 文献采集和筛选过程

根据图1中的文献筛选流程和标准，最终选取了23篇质量高且与研究主题相关性强的文献。在对关键文献进行系统分析的过程中，将含义相同或相近的指标合并，并根据指标出现的频次和权重值（仅将被提及的文献篇数≥4的影响因素纳入分析）计算出了平均权重，如表1所示（为方便后续在Stata 16软件中运行，指标均翻译为英文）。该研究选用Stata16软件进行Meta分析，通过命令“gen se=sqrt(P*(1-P）/N）”得到标准差“se”，再输入命令“metan p se,label(namevar=Factors) random”可得分析结果，如图2所示。

表1 影响因素汇总

图2 Meta分析森林图

图3 市政工程项目绩效评价体系图

3、基于XGBoost算法的企业ESG评价体系构建

对于承担了该工程建设任务的市政公司与轨道公司，在进行ESG评价时需关注环境影响（如水资源保护和生态环境干扰）、社会影响（如居民生活、施工安全和社区参与）以及治理因素（如公司治理结构、透明度和风险管理），这与国家的五大新发展理念高度契合。目前国内外还没有形成统一的ESG评价标准，且针对该领域或行业的ESG评价研究也相对匮乏，因此需要构建一个专门的评价体系。而XGBoost算法能够高效处理高维数据，识别关键影响因素，提供特征重要性排序，从而构建出更为科学和系统的企业ESG评价体系。该算法在特征选择上优于PCA或RFE-SVM等传统算法，能够有效去除数据中的冗余特征并考虑特征间的关联性，适用于处理小数据量及高维度特征[9-11]。XGBoost可依据特征在决策树分割中的使用频率，采用贪婪策略选取当前信息增益最大的特征。特征的重要度是通过所有决策树上的平均分割贡献度来确定的，特征被选择作为分裂点的次数越多，重要度越高[12]。信息增益计算方法如式（1）所示。

式中：Gain为增益；gL为分割后的某个子集的加权和；gR为在当前特征分割中，右子节点所对应的梯度和；hL为左子节点在当前特征分割时的二阶梯度和，即损失函数的二阶导数的和；hR为右子节点的二阶梯度和；l为控制模型复杂度的正则化参数；γ为用于控制分裂的阈值参数。

该研究的数据来源主要为巨潮资讯网公布的市政工程建设相关企业历年ESG报告和华证指数提供的2009—2023年ESG评级评分数据。对相似或相关的定性指标进行合并处理，以减少重复性并提高数据分析效率。定性指标评分原则：报告中没有披露为0分，披露内容仅为文字描述而没有具体数据为1分，有数据详细描述为2分。在python 3.11.5的软件环境中，借助scikit-learn库进行编程，然后将主客观数据输入XGBoost模型中进行计算。采用KNN(K-Nearest Neighbors）多阶近邻插补和多重插补结合的方法对原始数据中的缺失值进行处理。采用Z-score方法进行异常值分析。为提高训练模型的预测性能，对模型进行了超参数调优。先运用随机搜索方法（Randomized Search CV）进行初步探索，参数范围缩小后再运用网格搜索方法（Grid Search CV）在最有希望的参数区域进行细致搜索，从而得出最优的参数组合。XGBoost特征选择流程如图4所示，各特征的重要性输出结果如图5所示。

图4 XGBoost特征选择流程图

环境维度方面，均方根误差（RMSE）值为4.863，平均绝对误差（MAE）值为2.927,R2为0.684，解释度较好，模型结果可接受；社会维度方面，RMSE值为6.798,MAE值为4.380,R2为0.507，模型结果可接受。根据排序结果，剔除了影响较小的指标“噪声控制”“因公死亡人数”“员工满意度”和“志愿活动次数”。因市政工程建设相关企业在公司治理方面的披露情况大多是文字描述，定量数据较少，且每一家企业披露的指标内容差异较大，缺失值较多，无法采用XGBoost算法进行特征重要性的分析，因此采用文献统计法得到该维度的指标。根据专家访谈意见，对指标进行适当地合并和分类，并增加了“科研合作”指标，最终构建的企业ESG评价体系如表2所示。

图5 特征重要性结果输出图

表2 企业ESG评价体系

4、基于PLS-SEM的影响关系研究

从市政工程建设企业的角度出发，企业需要提高项目绩效以追求更高的利润。项目绩效评价通常聚焦于工程进度、成本控制和施工质量，而ESG评价则强调企业可持续发展责任的履行程度。为了加快工程进度和控制成本，企业可能会面临对环境保护投入不足的风险；而严格的环保要求又可能导致投资增加和工期延长。为了深入研究这种复杂关系并探索2种评价体系之间相互协调的可能性，采用结构方程模型分析市政工程项目绩效与企业ESG评价之间的相互作用。该方法可以量化不同因素的影响程度，帮助项目管理者在确保技术和经济目标的同时，能够有效履行环境保护和社会责任，推动项目的全面成功和企业的长期可持续发展。

结构方程模型是一种统计方法，可用于探究观察到的变量之间的关系以及这些变量与潜在变量之间的关系。根据算法的差异可分为基于协方差的结构方程模型（Covariance Base SEM,CB-SEM）和基于偏最小二乘法分析的结构方程模型（Partial Least Square SEM,PLS-SEM）。与CB-SEM相比，PLS-SEM的优点在于允许数据样本量小且不需要服从正态分布，模型构面可以同时包含反映型指标和形成型指标，适用于探索性研究和复杂模型[13-14]。鉴于样本量相对较小、概念模型的新颖性以及分析模型的能力侧重于探索和预测多个结构之间的关联，选取PLS-SEM进行统计分析[15-16]。

一般的结构方程模型可以用3个矩阵方程式来表示，式（2）是结构模型，描述了潜在自变量与潜在因变量之间的因果关系；式（3）、（4）分别为潜在因变量和潜在自变量的测量方程，用来说明潜变量与测量变量之间的关系。

式中：η为内生潜变量，数目为m；ξ为外生潜变量；ζ为随机干扰变量；Β为内生潜变量间的系数矩阵（内生潜变量间的彼此影响）；Γ为外生潜变量间的系数矩阵（外生潜变量间的彼此影响）；x、y均为观测变量；ε、δ均为测量误差；Λy、Λx分别为联结y至η的系数、联结x至ξ的系数，即因子负荷量。

4.1 变量定义

将企业ESG评价体系下的环境维度、社会维度和公司治理维度设置为二阶潜变量，10个二级指标设置为一阶潜变量，31个衡量指标设置为观测变量；将市政工程项目绩效评价体系下的9个影响因素设置为一阶潜变量，28个衡量指标设置为观测变量，各变量编码如表3所示。

表3 测量模型各变量编码

4.2 问卷调查与数据统计

问卷调查采用线上线下同时发放问卷的方式，问卷发放对象涵盖市政工程建设企业中经验丰富的工程管理人员和工程管理领域专家。共发放问卷300份，根据问卷回答的完整度、是否存在逻辑错误、回答选项是否单一、回答时间是否过短等指标筛除无效问卷后，认定有效问卷286份，有效问卷率95.3%。通过SPSS软件进行信效度检验分析可知，各维度的克隆巴赫均大于0.6,KMO值为0.918>0.8，巴特利特显著值小于0.05，表明问卷信效度达标，可进行因子分析。

4.3 模型结果分析

在SmartPLS 4.0软件中，对测量模型进行了信效度分析，结果显示：Cronbach’s alpha(CA）和组合信度Compositereliability(CR）的所有结果均大于0.7，信度满足基本要求；所有变量的AVE值均大于0.7，说明收敛效度良好；HTMT值均小于0.9,FL准则检验结果矩阵的对角线上的值均为所在列的最大值，满足区别效度的要求；各观测变量的方差膨胀因子（VIF）均低于5，说明不存在严重的共线性问题。采用Bootstrapping算法对结构模型进行计算，模型运行结果如图6所示，各路径的标准化路径系数和显著性结果如表4所示。各潜变量的Q2值均大于0，说明该路径结构模型对潜变量均具有预测相关性，结构模型拟合参数SRMR为0.078<0.08，模型拟合效果良好。

图6 影响关系结构模型图

从结构模型的标准化路径系数和P值结果可以看出，市政工程建设企业环境维度绩效的提高对企业级市政工程项目的生态效益、利益相关方满意度和进度绩效有较大的积极影响，对项目的成本绩效、创新性、社会效益、质量绩效和过程管控的正向影响较小，与安全绩效不相关。企业通过执行环保政策和采用先进的环保技术，展示了对可持续发展的承诺。这种行为建立了企业与供应商、社区及政府等利益相关方之间的信任与合作，不仅有助于缓和项目实施过程中可能出现的冲突，还促进了企业社会责任的实践，从而提高项目的社会接受度和支持度。通过避免环境违规和有效应对可能的环境紧急情况，项目能够减少由环境问题引起的潜在延误。这种风险管理保证了工程活动能够在遵守环保法规的前提下顺利进行，避免因环境问题导致的停工或返工。

表4 各路径的标准化路径系数和显著性结果

企业社会维度绩效的优化很大程度上有助于提高企业级市政工程项目的社会效益、创新性和安全绩效，对成本绩效、进度绩效和利益相关方满意度的正向影响较小，与生态效益、过程管控和质量绩效不相关。项目中的创新性增强源于企业对员工持续教育和专业发展的投入，以及与研究机构和高等院校的合作。这种教育和合作为项目带来了最新的科技成果和先进的管理理念，从而提升了项目整体的效率和质量。社会维度在提升项目的安全绩效方面起到了核心作用。通过实施全面的员工安全培训和提高工作场所的安全标准，能够有效降低工程中的安全事故发生率。在大型工程项目中，每位员工的安全意识和行为习惯对整个项目的安全生产至关重要，企业的社会责任意识直接影响到项目能否按预期安全、顺利地进行。

市政工程建设企业良好的公司治理绩效有助于促进市政工程项目的过程管控、利益相关方满意度、生态效益和创新性4个方面绩效的提升，对成本绩效和安全绩效的影响较小，而与质量绩效、社会效益和进度绩效关系不大。在治理结构中，董事会的多元化构成和监督机构的有效设置确保了企业决策过程中各利益相关方的意见被听取和考虑。这种包容性的决策过程不仅增强了项目的社会合法性，还通过公平的风险分配和冲突解决机制，降低了项目执行过程中的摩擦和争议，增强了企业与供应链伙伴、投资者、地方社区和政府之间的信任与合作。通过合规管理的严格实施和规章制度的有序执行，企业能够确保项目遵循既定的标准和流程，从而提高管理效率和项目质量。此外，激励机制的合理设计能够促使项目团队成员积极达成项目目标。ESG战略管理的顶层设计有助于推动可持续发展理念融入市政工程项目全生命周期中，减少对沿线生态环境的破坏，促进社会和谐发展。公司治理确保了企业在环境保护方面的政策和措施得到有效执行，如严格的环境标准和持续的环境监控，这些都是通过治理结构中的决策程序和监督机制得以实现的。不仅提高了项目的环境可持续性，也符合越来越严格的环境法规和公众期望。透明和规范的信息披露可以增加企业获得投资的机会，资金的充足使得企业能够更多地投入到研发和技术创新中。同时，财务状况的稳健性直接关联到企业资金的运作效率和项目资金的可持续性，不仅能够改善企业的信贷条件，还能降低因资金链断裂导致的项目风险。

5、结论

依托西安公轨合建项目，笔者对该类大型复杂市政工程项目绩效评估与企业ESG评价之间的影响关系进行了研究。运用Meta分析对大型市政工程相关文献进行系统分析，确立了成本绩效、生态效益、创新性、社会效益等9个重要影响因素，结合该类工程的特点，构建了科学合理的市政工程项目绩效评价体系。利用XGBoost算法快速处理高维数据的优势对重要特征进行筛选，形成了具有行业特色的企业ESG评价体系。通过PLS-SEM探索影响路径，发现环境维度绩效的提高对企业级市政工程项目在生态效益、利益相关方满意度和进度绩效方面产生了显著的正面影响；社会维度绩效的优化对于增强企业级市政工程项目在社会效益、创新性和安全绩效上的表现具有重要的促进作用；良好的公司治理绩效对于推动市政工程项目在过程管控、利益相关方满意度、生态效益和创新性4个关键绩效的提升方面发挥着至关重要的作用，为企业日后的可持续发展战略提供了优化的方向。

参考文献:

[1]高华,阴春晴. ESG理念如何赋能PPP绩效管理:现实困境与应对策略[J].建筑经济,2022,43(11):27-32.

[2]于松伟,刘巍,杨陶源,等.一种评价新思维:ESE评价理论与方法———城市轨道交通可持续发展状态评价[J].都市快轨交通,2024,37(3):1-10,63.

[3]李林,朱沙沙,王雨婧.低碳经济下公共工程项目绩效评价内涵探析[J].湖南大学学报(社会科学版),2013,27(1):69-72.

[6]张阿城,曾婧婧.政策不确定性如何影响企业绩效:一项基于Meta分析的检验[J].科技进步与对策,2022,39(20):52-62.

[9]岳鹏,侯凌燕,杨大利,等.基于XGBoost特征选择的疾病诊断XLC-Stacking方法[J].计算机工程与应用,2020,56(17):136-141.

[10]毕青松,梁雪春,陈舒期.基于mRMR-RF特征选择和XGBoost模型的钓鱼网站检测[J].计算机应用与软件,2020,37(9):296-301.

[11]严颖,黄奇,李娜.基于优化后集成学习模型的特征选择与疾病高效预警研究:以老年抑郁焦虑为例[J].数据分析与知识发现,2023,7(7):74-88.

[12]宋国琴,刘斌.基于XGBoost特征选择的幕课翘课指数建立及应用[J].电子科技大学学报,2018,47(6):921-926.

[13]杨悦.重大工程复杂性对项目成功的影响机理研究[D].南昌:南昌大学,2023.

基金资助:2024年度泸州市社科应用研究提质工程重点研究基地课题(JD-Q

文章来源:曾海琪,樊敏,赵余雯,等.市政工程项目绩效评估与企业ESG评价关系研究[J].市政技术,2024,42(11):186-194.