诚信行为监测体系设计
（一）体系概述
招投标企业诚信行为监测评价是指对参与招投标企业诚信行为的综合评价。招投标企业诚信行为评价体系从招投标行为监测、政府职能监测、大数据平台监测3个维度展开。其中，招投标行为监测维度下包含3个二级指标，分别为事前诚信行为、事中诚信行为以及事后诚信行为；政府职能监测维度下包含6个二级指标，分别为市场监管局监测、环保监测、税务监测、人力与社保监测、安全生产监测以及其他行政监测；大数据平台监测维度下包含2个二级指标，分别为第三方信息和舆情监测信息。另外，招投标企业诚信行为评价体系中针对二级指标的具体含义以及数据的可获性，具体展开得到36个三级指标，详见表5-1。
表5-1 诚信行为评价体系
续表
（二）一级指标解读
1.招投标行为监测
招投标诚信行为是反映市场主体信用的重要指标，是量化综合诚信行为的重要参考依据。根据招投标业务的流程以及国办发〔2019〕35号《关于加快推进社会信用体系建设构建以信用为基础的新型监管机制的指导意见》的精神，将招投标行为监测分为三个层面，即事前诚信行为体系、事中诚信行为体系以及事后诚信行为体系。其中，事前诚信行为体系，即招投标业务准入体系，该体系相对简单一些，主要是对一些劣迹斑斑的企业进行过滤。根据招投标业务开展的需要，针对企业资质、规模、产品质量等要素，以及是否存在被列入黑名单等不良信息、在其他业务进展中业主方及其民众有无负面反馈信息等进行综合信用评价。事中诚信行为体系，即中标单位的遴选及管理。如果说事前的信用监管体系侧重企业的诚信评价，那么事中的信用监管体系则侧重企业中标后的能力评价，更注重企业的资质、产品、财务等数据。事后诚信行为体系，即中标企业的后续管理。中标企业在合同履行以后的质量问题、在其他中标项目进展中的信用情况以及在其他领域中（融资、社会责任、企业管理等）的问题等，都需要进一步追踪，实时进行信用管理，调整信用等级，为下一次的招投标做好前期准备工作。
2.政府职能监测
政府职能监测的结果具有综合性、权威性以及科学性。通过综合考虑各个政府机构的职能监测结果，能够更加全面地对招投标企业信用做出评价，从而加快招投标领域信用体系建设，规范信用评价市场，保障招标方的合法权益，促进企业提高诚信经营的意识。政府职能监测由六个二级指标构成，分别为：市场监管局监测、环保监测、税务监测、人力与社保监测、安全生产监测以及其他行政监测。
3.大数据平台监测
随着大数据技术的发展，网络数据呈现爆炸式增长。相关的企业征信机构也提供了科学客观的企业数据以及一些舆情信息。这些来自大数据平台的监测数据，对招投标企业诚信行为监测评价提供了必要的补充，与招标行为监测、政府职能监测相辅相成，形成了有效的机制。大数据平台监测主要由两个二级指标构成，一是第三方信息，该指标中的数据主要来自天眼查等征信机构；二是舆情监测信息，该指标中的数据主要利用当前主流的大数据手段获取，在合规的方法下获得有效数据，并且利用深度学习中的文本分析计算得到情绪评分。
（三）指标释义
1.事前诚信行为
（1）指标定义
该指标是招投标领域业务准入的诚信行为评价，因而要求不是很高，主要是对一些劣迹斑斑的企业进行过滤。根据招投标业务开展的需要，对投标企业的资质、规模、产品质量等要素，特别是企业是否存在被列入黑名单等不良信息、在其他业务进展中业主方及其民众有无负面反馈信息等进行综合信用评价，主要包含历史中标次数、历史中标总金额以及历史失信信息。
（2）测算公式和计分标准
历史中标次数是近三年的累计值，每中标一次累计值加1，累计值越高，则反映该企业在招投标领域的受信度越高；同时考虑到不同标的的价值不一样，金额不一样，因此历史中标总金额是对该企业近三年来中标金额的累计求和；历史失信信息是近三年该企业失信次数的累计值。
2.事中诚信行为
事中诚信行为体系，即中标单位的遴选及管理。如果说事前的诚信行为体系侧重于企业的诚信评价，那么事中的诚信行为体系则侧重企业中标后的能力评价，更注重企业的资质、产品、财务等数据。具体指标主要包括：安监部门问题抄告、整改完成率、整改回复率、企业自查记录不达标情况、工程文明施工、合同履约。
3.事后诚信行为
（1）指标定义
事后诚信行为体系，即中标企业的后续管理。中标企业在合同履行以后的质量问题、在其他中标项目进展中的信用情况以及在其他领域中（融资、社会责任、企业管理等）的问题等，都需要进一步的追踪，实时进行信用管理，调整信用等级，为下一次的招投标做好前期准备工作。具体指标包括企业荣誉、工程获奖、企业活力、良好信誉加分以及社会公众满意度。
（2）测算公式和计分标准
企业荣誉是近5年企业所获荣誉的累加；工程获奖是企业近5年工程获奖的累加；企业活力是对企业员工社保缴纳情况、企业办公条件、近4年获得投标单位好评次数累计值、近10年通过社会中介机构认定的体系论证（质量、环境、职业健康体系）次数的累计；良好信誉加分直接应用良好信用信息加分合计指标；社会公众满意度主要通过大数据舆情监测获得，反映公众对企业的满意程度。
4.市场监管局监测
（1）指标定义
该指标主要依据市场监管局（工商局）发布的红名单信息来定。
（2）测算公式和计分标准
1次计5分，计算近3年累计值。
5.税务监测
（1）指标定义
该指标包括以下3个三级指标：企业信用等级、信用行为进步值、行政处罚。
（2）测算公式和计分标准
企业信用等级：AAA计100分，AA计95分，A计90分，最后算出平均值。
信用行为进步值：进步1个等级计5分，例如，2017年企业信用等级为B，2018年企业信用等级为A，则信用行为进步值为5。
行政处罚：受到1次行政处罚，计减5分，起始分为100分。
6.人力与社保监测
（1）指标定义
该指标包括以下2个三级指标：红名单加分值、审查等级。
（2）测算公式和计分标准
红名单加分值：累计1次加5分。
审查等级：市人力社保局年度劳动保障书面审查等级中若出现1次负面信息，即扣5分。
7.安全生产监测
（1）指标定义
该指标包括以下三级指标：施工安全及文明施工、工程质量、责任主体信用、无质量投诉行为、其他。
（2）测算公式和计分标准
施工安全及文明施工：凡被查出1次，即扣5分，起始分为100分。
工程质量：若出现1次工程质量问题，则扣5分，起始分为100分。
责任主体信用：责任主体若近年来没有发生过信用问题，则计100分；若发生问题记录1次，即扣5分。
无质量投诉行为：没有发生投诉行为，计100分，每被投诉1次，扣5分。
其他：其他任何处罚均为每次扣5分，起始分为100分。
8.其他行政监测
（1）指标定义
该指标主要是指其他行政部门如省信用中心等的监管信息。该维度下包含以下三级指标：行政处罚、不良信息、信用被扣分值。
（2）测算公式和计分标准
行政处罚：起始分为100分，每发生1次扣5分。(https://www.daowen.com)
不良信息：按条数累计，满10条扣5分。
信用被扣分值：每次扣5分，起始分为100分。
9.第三方信息
（1）指标定义
该指标主要是指来自第三方平台的监测信息，包含开庭公告次数、法律诉讼次数、法院公告次数、天眼评分。
（2）测算公式和计分标准
开庭公告次数：按次累计，每次计5分，起始分为100分。
法律诉讼次数：按次累计，每次计5分，起始分为100分。
法院公告次数：按次累计，每次计5分，起始分为100分。
天眼评分：天眼查官网有第三方的评分。
10.舆情监测信息
（1）指标定义
该指标主要是指在天眼查等第三方平台获取的舆情信息，可以反映社会公众、行业协会以及相关部门对该企业的认可度，主要包含以下二级指标：新闻舆情、情绪评分。
（2）测算公式和计分标准
新闻舆情：根据第三方平台获取新闻舆情信息，按条数累计。
情绪评分：对所获取的新闻舆情，利用深度学习技术对其进行文本分析，得到一个情绪指数，指数分为负向、中性或正向。
（四）模型方法论
熵权法是通过熵值来计算指标的熵权，然后用指标的熵权加权所有指标，最后得出客观的评价结果。与其他主观赋权法相比，熵权法的特点是客观性强、精度高，在评价结果的解释上也更具说服力。TOPSIS评价法是根据有限个评价对象与理想化目标的接近程度来进行排序的，是一种适用于通过多项指标对多个方案进行比较选择的评价方法。
本书在处理相应指标时采用了深度学习领域中的文本分析，基于深度学习技术和第三方平台大数据，对带有感情色彩的语言文字做出情感极性类别的判断，同时给出相应的置信度，将情感将划分为积极、消极、中性三类，并给出对应的评分。例如，本书根据各家公司的新闻舆情进行整理，得到了情绪评分的平均值，部分结果可见表5-2。
表5-2 部分公司的新闻舆情情感分析
续表
本书将熵权法和TOPSIS评价法结合建立熵权TOPSIS评价模型，在招投标领域诚信行为指标体系中，总共有292家该领域企业，有事前诚信行为、事中诚信行为、事后诚信行为、市场监管局监测、环保监测、税务监测、人力与社保监测、安全生产监测、其他行政监测、第三方信息、舆情监测信息11项分类指标（a=1，2，…，11），当a=1时，事前诚信行为指标下有n个分类细化指标（n=3），形成原始矩阵V1，同理可以依次写出V2，V3，…，V11。
在进行分析前，需要消除不同指标量纲的影响，因此要对指标体系中的细化指标形成的决策矩阵V1进行归一化处理。
利用公式（5-4）计算第a项分类指标的第j个分类细化指标的熵值eaj，其中k=1/ln292，对于第一项分类指标，根据公式（5-5）可以计算得到熵权向量W1，同理可以得到W2，W3，…，W11。
根据熵权法获取招投标领域诚信行为指标体系中第a项分类指标的信息权重矩阵Wa，形成加权判断矩阵Za，即
根据加权判断矩阵获取招投标领域诚信行为指标体系中第a项分类指标的正负理想解，见表5-3，所谓的正理想解就是某个指标的最优值，反之就是负理想解。
其中，J*为求最大的目标函数编号集，J′为求最小目标的函数集。
表5-3 各类指标的正负理想解
续表
根据公式（5-8）和（5-9）计算招投标领域诚信行为指标体系中第a项分类指标值与正负理想值之间的欧式距离，得到的结果再根据公式（5-10）计算得到第a项指标的相对贴进度。
将事前诚信行为、事中诚信行为、事后诚信行为、市场监管局监测、环保监测、税务监测、人力与社保监测、安全生产监测、其他行政监测、第三方信息、舆情监测信息这11项分类指标的相对贴近度作为招投标领域诚信行为的指标值，组成初始矩阵，其评价过程与分类指标的过程一样。具体过程如下：
Step1：根据分类指标的相对贴近度构造初始矩阵V。
并且利用公式（5-3）进行无量纲化处理得到V′。
根据公式（5-4）和（5-5）对规范化矩阵V′计算，可得招投标领域诚信行为的熵权向量W，即
W=[0.1454 0.4781 … 0.3691]T
根据熵权法获取信息权重矩阵W，形成招投标领域诚信行为的加权判断矩阵Z，即
根据公式（5-6）和（5-7）可得招投标领域诚信行为各分类指标的正负理想解；根据公式（5-8）和（5-9）可得到招投标领域诚信行为指标到正负理想解的欧氏距离，部分结果见表5-4。
表5-4 部分企业的欧氏距离
根据对得分结果的整理，得到招投标企业的排名，见表5-5。
表5-5 部分企业的诚信得分排名
续表
通过对招投标领域诚信行为指标体系中的事前诚信行为、事中诚信行为、事后诚信行为、市场监管局监测、环保监测、税务监测、人力与社保监测、安全生产监测、其他行政监测、第三方信息、舆情监测信息11项指标计算熵权再建立TOPSIS模型得到一个相对客观合理的排名。浙江××环境建设有限公司凭借可靠的园林招投标行为、政府职能监测以及大数据平台监测得到了社会的信任，在招投标领域诚信行为领域中位列所有企业榜首；苏州××营造产业股份有限公司同样具有可靠的诚信行为，仅次于浙江××环境建设有限公司。本书的模型对招投标领域诚信行为的评价提供了相对科学的依据，也为招投标领域提供了客观的建议与合理的参考标准。