牟 強，賈廣社

(同濟大學 經濟與管理學院，上海 200092)

一、引 言

中國“十三五”規(guī)劃綱要中有165項重大工程項目，對推進“十三五”規(guī)劃穩(wěn)增長、調結構、全面建成小康社會的宏偉戰(zhàn)略目標具有支撐作用。據國家統(tǒng)計局統(tǒng)計，2016年中國固定資產累計投資達59.7萬億，占當年GDP(74.4萬億)的80.2%[1]，其中國有及國有控股固定資產投資額達到21.3萬億，約占整個固定資產投資的1/3，對項目所在區(qū)域社會和經濟具有重要影響。按照中國基本建設程序，投資概算是作為實施階段投資控制的依據[2]，本文以投資概算的預測作為研究對象，在前期對政府工程投資控制目標進行預測，其預測結果的準確性對于實施階段的投資控制具有重要影響：其一，若預測的投資控制目標偏低，則導致建設單位在實施階段即使嚴格控制投資，最終工程決算很可能會超出投資控制目標；其二，若預測的投資控制目標偏高，則會導致資金的閑置浪費，而偏高的這部分資金本來在項目前期就能用于建設更多的工程項目，從而改善公眾福利[3]。同時，投資控制目標偏高，還會導致建設單位在實施階段因沒有動力進行嚴格控制投資而使其投資控制效率低下。因此，無論在前期階段對投資控制目標的預測偏高還是偏低都會引發(fā)問題，說明準確預測投資控制目標是十分重要的。

中國政府工程在前期階段對投資目標預測要求為：預可研階段的投資匡算(±20%)、可研階段的投資估算(±10%)、投資概(預)算(±5%)[4]12-13。在實踐中，中國政府工程一般采用傳統(tǒng)方法(概算定額法、概算指標法等)編制概算，但傳統(tǒng)方法存在指標時效性低、預測結果不穩(wěn)定、造價資料積累不足等缺點。包若凡在對22個商業(yè)地產工程的投資估算與最終決算對比分析時發(fā)現(xiàn)，大部分工程(90%樣本容量)投資估算的估算精度遠超出國家規(guī)定的允許偏差范圍，高估現(xiàn)象普遍存在[5]。同時，本文在初步統(tǒng)計了深圳審計局公布的50個交通工程的概算執(zhí)行情況發(fā)現(xiàn)，最終偏差較大不能滿足投資概算的±5%估算精度，這種主要利用項目團隊和專家知識(沒有利用類似已完成工程造價資料)進行至下而上概算編制的傳統(tǒng)方法，被Flyvbjerg稱為內部視角方法[6]。由于項目團隊或專家自身的知識和經驗局限，導致利用該類方法預測的項目目標(包括進度、費用、風險和利潤)與項目實際完工狀態(tài)(進度、費用、風險和利潤)始終存在較大偏差。也就是說，由于較少參考類似已完工程造價資料，現(xiàn)行政府工程的概算編制與審查方法不能科學地反映概算本身的合理性。

相對于傳統(tǒng)估算方法，近年來國內外研究所建立的成本估算方法被稱為非傳統(tǒng)方法，Bayram等將非傳統(tǒng)方法總結為4類：神經網絡類方法(多層感知器(MLP)神經網絡、徑向基(RBF)神經網絡)、模糊邏輯類方法(自適應模糊神經推理系統(tǒng)(ANFIS))、回歸分析類方法(線性和非線性回歸等)、類比統(tǒng)計方法(RCF)[7]?；诖?，Bayram等在104個公共建筑工程中對比了典型的5種成本估算模型的估算結果，發(fā)現(xiàn)詳細設計階段(相當于施工圖設計階段)徑向基(RBF)神經網絡方法的估算準確性較高，但作為一種神經網絡方法，RBF的估算過程具有不透明性等缺點，其復雜的算法導致在實踐中難以推廣[7]。而在前期決策階段，類比統(tǒng)計法(RCF)和簡單線性回歸(SLRA)的準確性相對較高，但是回歸分析方法特別是特定的多元回歸模型，只能針對特定時期的特定類型工程概算進行預測[5,7]。當在不同類型工程上使用回歸分析方法時，需要對不同類型工程選擇不同的回歸變量[8]，因不同類型工程的回歸變量選擇沒有統(tǒng)一標準，同時各類變量及參數數據的獲取在現(xiàn)實中也受到限制。因此，回歸分析方法(RA)不適用于同時對多類工程概算進行估算對比的情形。與此相對，類比統(tǒng)計估算法(RCF)不僅在前期階段估算結果的準確性更高，而且RCF相對于其他方法所要求的變量更少，并在實踐中更為簡便易行[9]。

自從Flyvbjerg和Cowi[10]在項目管理領域證實RCF方法比傳統(tǒng)的估算方法更為準確后，該方法已被美國計劃協(xié)會(American Planning Association，APA)采用，之后也逐漸被荷蘭、丹麥、瑞士、澳大利亞等政府機構采用。同時，Eythorsdottir[11]、Flyvbjerg和Hon等人[12]、Bayram和Al-Jibouri[9]將RCF方法分別應用于冰島、中國香港和土耳其公共工程的投資成本估算，且都已取得了良好的預測結果，可見RCF方法的應用已經較為成熟。在此，本文首次將RCF方法應用于中國的政府工程改進概算預測與審查。

二、類比統(tǒng)計估算法(RCF)介紹與實施步驟

由于較少參考類似已完工程造價資料，現(xiàn)行政府工程的概算估算方法屬于傳統(tǒng)的內部視角方法，不能科學地反映概算本身的合理性。為獲得一個更為準確的成本估算，F(xiàn)lyvbjerg推薦了一種新興的類比統(tǒng)計估算法(Reference Class Forecast，RCF)[6，10]，RCF主要采用了一種外部視角進行概算估算，與內部視角相反，是一種基于類似已完工程造價信息的方法。

外部視角方法比內部視角方法可以產生更現(xiàn)實的估算結果。因為基于類似已完工程的造價數據信息，外部視角方法可以繞開策略性地成本估算，同時在利用外部視角方法進行審查時，審查部門也不需要深入自身并不擅長的技術細節(jié)問題。外部視角方法主要是基于歷史類似工程造價信息，無法估算到具體工程可能遇到的極端風險事件所造成的損失，但是大多數政府工程所使用的都是較為成熟的施工工藝，因此利用外部視角方法都較為準確。RCF是將擬建工程放置在類似已完工程造價數據的統(tǒng)計概率分布進行概算估算，一般遵循以下3個步驟：第一步，識別出一組類似已完工程，該組類似已完工程數量必須足以具有統(tǒng)計意義，同時也必須與擬建工程具有足夠的可比性，比如都是屬于同地區(qū)的公路或機場類工程；第二步，確定該組類似已完工程造價的統(tǒng)計概率分布，并要求該組類似已完工程的造價數據具有真實可靠性；第三步，將擬建工程放置到該組類似工程造價的概率分布中，從而確定擬建項目最可能的概算值。

三、深圳交通工程概算估算與對比

(一)數據來源與描述

通過對深圳審計局(2014年4月—2017年3月)公布的54個交通工程數據進行整理，剔除其中概算數據不完整、最終取消或重要工程內容未實施的4個項目，共50個有效數據項目。交通類工程的相關建設單位、數量、總批復概算及總審定決算，見表1。

表1 深圳交通類工程項目概況表

(二)基于RCF的概算預測與偏差

為了方便在項目之間的比較，將第i個工程的概算執(zhí)行偏差率定義為：

(1)

其中Ii表示第i個工程的概算執(zhí)行偏差率，Tai表示第i個工程的最終決算，Tfi表示第i個工程的概算；Ii>0表示決算超過概算、Ii=0表示決算等于概算、Ii<0表示決算小于概算。

通過對50個交通工程審計報告的數據進行整理，初步統(tǒng)計發(fā)現(xiàn)只有2個工程的決算超過概算，即96%的項目決算都在概算內完成。按照概算執(zhí)行偏差(正的為概算超支，負的為概算結余)從小到大的順序，將第1～50個工程的概算執(zhí)行偏差進行依次排列，可得到50個工程概算執(zhí)行的整體情況，見圖1。

圖1 深圳50個交通工程概算執(zhí)行整體情況圖

為驗證RCF模型預測結果的可靠性，隨機將每類工程的樣本數據分為兩部分：將75%的樣本數據用于構建模型，將剩余25%的樣本數據作為控制組用于驗證RCF模型的可靠性。因此，交通類工程的建模項目數量和控制組數量分別為38個和12個。

1.交通類工程的RCF評估模型。根據RCF的實施步驟，建立交通類工程RCF評估模型：第一，從50個交通類工程中隨機抽取38個(占75%)數量工程，作為構建模型的類似已完工程項目組；第二，根據38個類似已完工程組的樣本數據，利用Crystal Ball可擬合出概算執(zhí)行偏差率的統(tǒng)計概率分布(見圖2)。進一步，可得出交通類工程概算執(zhí)行的統(tǒng)計指標，38個工程中最大概算超支率執(zhí)行偏差率Imax為9.42%(即概算超支9.42%)，最小概算執(zhí)行偏差率Imax為-49.27%(即概算結余-49.27%)，平均偏差值、標準偏差分別為-17.64%和11.90%。

圖2 交通類工程概算執(zhí)行偏差率統(tǒng)計概率分布圖(N=38)

在此基礎上，計算出在不同的可接受概算超支可能性(1%～50%)下所需增加或減少的概算百分比，利用EXCEL繪制出曲線，得到交通類工程的RCF判斷模型，見圖3和表2所示。從圖3中可以看出：如果可接受的概算超支可能性(ΔP)為50%(即決算在概算內完成的概率也為50%)，那么需要在原有批復概算上減少概算百分比(ΔU)為16.59%，才能保證最終批復概算的現(xiàn)實合理性，否則原有批復概算就偏高了；而如果可接受的概算超支可能性(ΔP)為1%(即決算在概算內完成的概率為99%)，那么就需要在原有批復概算上增加概算百分比(ΔU)為5.62%，才可保證最終批復概算的科學合理性。

表2 交通類工程在不同可接受概算超支可能性下所需增加或減少概算表 單位：%

有趣的是，從圖3的RCF預測模型中可總結出可接受超概可能性(ΔP)與需要增加或減少的概算(ΔU)是成負相關的。當按照原批復概算實施，即需要增加或減少的概算百分比(ΔU)為0%時，反之能算出可接受超概可能性(ΔP)約為5%。也就是說，在現(xiàn)行交通類工程的批復概算下，該類工程超概可能性只有5%，與一般保守風險態(tài)度(超概可能性20%)相比也太過保守，反之說明深圳交通類工程概算被高估了。

2.基于RCF的工程概算預測結果。在建立交通類工程的RCF預測模型基礎上，利用RCF模型預測控制組項目的概算值，以控制組的第1個項目原批復概算為基礎，利用交通類工程RCF模型預測出不同可接受超概可能性下(1%～50%)的概算。按照同樣的方法，可以預測出交通類工程12個控制組項目的不同可接受超概可能性下(1%～50%)的概算，匯總見表3。

表3 基于RCF的交通類工程概算預測結果表 單位：萬元

注：RCF(i)%表示可接受超概可能性為i%的RCF預測模型。

(三)對比分析

在計算出各類工程控制組項目的RCF模型預測值之后，再通過與項目決算對比來驗證該模型預測結果的可靠性。為了對比不同RCF模型預測結果的準確性，采用以下3個標準的誤差指標進行衡量[7]：平均絕對誤差(MAE)、平均絕對百分誤差(MAPE)、百分比標準方差(SD)，其中MAE是絕對誤差值(單位：萬元)，MAPE(%)和SD(%)都是百分比誤差指標(單位：%)，見式(2)(3)(4)，這3個指標越接近0，則模型預測結果的準確性越高，即：

(2)

MAPE(%)=

(3)

(4)

其中ymodel.i和yreal.i分別表示項目i的模型預測值和最終決算值，n表示該類工程的控制組項目總個數，PEi表示項目i百分比誤差，MPE表示n個項目的平均百分比誤差。下面，首先對比傳統(tǒng)方法與RCF模型預測結果，然后橫向與其他地區(qū)交通類工程RCF估算結果進行對比。

1.與傳統(tǒng)估算法結果的對比分析。在不同可接受超概可能性下，利用交通類工程控制組項目的實際批復概算和最終決算數據，計算出對應RCF模型和傳統(tǒng)方法的誤差指標，見表4、圖4、圖5所示。從表4可以看出：最小的MAE指標是由RCF30%模型預測的，而最小的MAPE(%)和SD(%)指標是由RCF50%模型預測的；最大的MAPE(%)和SD(%)指標都是由RCF1%模型預測的，表明RCF1%模型的預測結果誤差最大。同時，圖4和圖5的誤差指標都表明，除了RCF1%和RCF5%模型，其余的RCF模型的MAE、MAPE(%)和SD(%)指標都比傳統(tǒng)方法更低，而傳統(tǒng)方法的3個誤差指標與RCF5%十分接近，即說明傳統(tǒng)方法的預測結果相當于可接受超概可能性(ΔP)有5%的RCF模型的預測結果。總之，當可接受的超概可能性(ΔP)大于5%時，RCF模型的預測結果都比傳統(tǒng)模型更準確。

表4 不同RCF模型與傳統(tǒng)方法預測結果誤差指標表

圖4不同RCF模型與傳統(tǒng)方法的MAE指標圖

圖5 不同RCF模型與傳統(tǒng)方法的SD與MAPE指標圖

2.與其他國家和地區(qū)RCF估算結果的對比分析。通過文獻的綜合整理，發(fā)現(xiàn)世界其他國家和地區(qū)的交通工程都存在嚴重的成本超支問題，如表5所示。比如Flyvbjerg統(tǒng)計了20個國家的258個交通類基礎設施工程，發(fā)現(xiàn)10個項目中有9個都是成本超支的，平均成本超支28%，并且成本超支問題在過去70年都沒有得到改善；Samset和Volden總結了挪威、丹麥在審批制度改革前，政府工程平均成本超支分別為84%和30%[13]22，81，103-117。此外，冰島[11]、中國香港[12]、加拿大[13]、美國[14]、英國[15]平均成本超支分別為+7%、+11%、+5.9%、+17%、+40%。而與此不同，從上文50個深圳交通工程的批復概算和決算對比統(tǒng)計發(fā)現(xiàn)，96%數量的工程都是概算結余(10個項目中只有0.5個超支)，平均概算結余率達到16.62%。因此，與發(fā)達國家與地區(qū)對比，中國政府工程的投資控制結果看起來也相當不錯。下面試圖從與其他國家和地區(qū)RCF應用結果的對比分析中，找出深圳與其他國家和地區(qū)交通類工程投資控制結果巨大差別的原因。

表5 深圳與其他國家和地區(qū)的交通類工程概(預)算超支情況對比表

在公開發(fā)表的文獻中，RCF已經被成功地應用于英國、冰島、中國香港和土耳其公共工程的投資成本估算，并都已取得了良好的預測結果。下面將本文RCF的工程概算預測結果，分別與上述研究在4個地區(qū)應用RCF的結果進行對比分析，見表6。

表6 深圳與其他國家和地區(qū)交通工程RCF應用結果對比

若將建立RCF模型的所有工程看做一個項目組合，那么如果批復概算是合理的，在風險中立(RCF50%情形)的情況下，那么應當有50%數量的工程在概算內完成、有50%數量的工程超概，并且超概的費用總額與概算節(jié)約的費用總額也大致平衡。簡單地說，將這些工程組成的項目組合當做一個整體來看，那么該項目組合的總概算成本與該項目組合的總決算成本應該是相當的，同時該項目組合內超概的項目與概算結余的項目總體上應是平衡可抵消的。也就是說，理論上需要增加或減少的概算百分比(ΔU)應當等于0%。當ΔU>0%時，表示需要在原批復概算上增加對應的概算百分比，即風險中立情形下原批復概算偏低；當ΔU<0%時，表示需要在原批復概算上減少對應的概算百分比，即風險中立情形下原批復概算偏高。同理，在風險保守(RCF20%)情形下，有同樣的判斷。因此，從表6中的對比情況可以得出以下兩個結論：

第一，其他4個國家和地區(qū)交通類工程在RCF50%和RCF20%情形下的ΔU都大于零，表示無論是在風險中立還是保守的情形下項目整體批復預算偏低，這與對應研究的結論是一致的。

第二，深圳交通類工程在RCF50%和RCF20%情形下的ΔU都小于零，表示無論是在風險中立還是保守的情形下項目整體批復概算偏高，即在風險中立情形下批復概算整體偏高16.59%，在風險保守情形下批復概算整體偏高7.43%。

四、結論與展望

(一)結論

針對傳統(tǒng)方法估算的概算不準確問題，本文以深圳審計局(2010—2017)公布的50個交通工程審計報告作為基礎數據，利用類比RCF模型對概算和決算數據進行整理分析，其中的38個項目作為樣本數據用于構建RCF模型，12個項目作為控制組數據用于驗證RCF模型可靠性。

所建立的RCF模型表明：深圳交通類工程在不同的超概可能性(1%～50%)下所需要增加或減少的概算百分比范圍在-16.59%～5.62%。通過將RCF模型的預測結果與傳統(tǒng)方法對比，發(fā)現(xiàn)平均絕對誤差(MAE)、平均絕對百分比誤差(MAPE)、標準方差(SD)等偏差指標都表明RCF方法比傳統(tǒng)方法更為準確；將中國與其他國家和地區(qū)(英國、土耳其、冰島、中國香港)交通類工程的RCF估算結果對比，發(fā)現(xiàn)深圳交通工程的最終批復概算存在系統(tǒng)性高估的現(xiàn)象：若可接受的超概可能性為50%，則需要在原批復概算基礎上減少16.59%概算，才能保證批復概算的合理性；若可接受的超概可能性為20%，則需要在原批復概算基礎上減少7.43%概算，才能保證批復概算的合理性。

總之，研究結果表明基于不同可接受超概風險水平的類比統(tǒng)計估算法(RCF)，可以改善傳統(tǒng)方法的概算預測的準確性，同時揭示出深圳交通類工程存在系統(tǒng)性概算高估的現(xiàn)象。

(二)展望

本文只利用深圳交通類工程數據對RCF方法進行了驗證，而RCF方法在全國其他地區(qū)、其他類別工程中的預測效果則需要更多相關數據進行驗證。同時，對比國外政府工程的普遍性成本低估現(xiàn)象[10,13]，F(xiàn)lyvbjerg[6]提供了一個從估算技術、心理學(或認知)和政治經濟3個方面分析成本低估的有效框架。借鑒Flyvbjerg[10]的框架分析，結合《深圳經濟特區(qū)政府投資項目管理條例》、《中央預算內直接投資項目概算管理暫行辦法》、《中央預算內直接投資項目管理辦法》等文件的分析，發(fā)現(xiàn)深圳交通類工程存在概算系統(tǒng)性高估，其原因在于現(xiàn)行概算審批制度方面的概算審查方法。

中國政府工程的現(xiàn)行概算編制和審批制度，方法上存在激勵建設單位盡可能地高估概算的客觀條件。根據Flyvbjerg[6]和Wachs[16]的說法，現(xiàn)行概算審查制度對建設單位造成了“不當激勵”的作用，促使建設單位“理性”地選擇高估概算。為解決概算高估問題，利用RCF方法相對傳統(tǒng)方法準確性高、簡便易行和科學客觀的特點，本文提出一個基于RCF的政府工程投資(包括概算)審查改革框架，如圖6所示。圖6中RC1A和RC1B分別為工可階段建設單位上報的投資估算和批復的估算，RC2A和RC2B為初設階段建設單位上報的投資概算和批復的概算，AC3A和AC3B為項目實施后的工程結算和竣工決算。

圖6基于RCF的政府工程投資(含概算)審查改革框架圖

在圖6改革框架中，利用RCF建立政府工程投資審查方法，基于可接受的超概風險(如20%或50%)，審批部門在審批關口1(工可審批)和審批關口2(初設審批)，對建設單位上報了工程投資進行審查：

審批關口1：當建設單位上報了工程投資估算(RC1A)后,審批部門通過類似已完工程項目組合成本(概算)數據庫，利用RCF方法進行投資估算審查，核減高估部分估算，得到糾偏后的批復估算(RC1B)。

審批關口2：當建設單位上報了工程投資概算(RC2A)后,審批部門通過類似已完工程項目組合成本(概算)數據庫，利用RCF方法進行投資概算審查，核減高估部分概算，得到糾偏后的批復概算(RC2B)。

審批關口3：當建設單位按照基于RCF方法審核后的概算完成工程后，可將該工程的竣工決算(AC3B)反饋到RCF類似已完工程項目組合的成本數據庫中；當更多同類工程項目完成時，隨著RCF類似已完工程項目組合的成本數據庫的豐富，可進一步改善基于RCF方法的投資審查效果；當通過反饋不斷改善審查結果直到審查結果趨于穩(wěn)定后，就可以認為中國政府工程概算高估問題得到了較好的解決。

若深圳市交通工程的概算高估問題得到根本解決，相對于2016年483億元的交通類工程投資，按照保守的風險態(tài)度，在項目前期階段就可以節(jié)約7.43%(約35.89億元)；同理，若全國的情況與深圳類似，那么相對于全國2016年2.85萬億的交通運輸完成固定資產投資，按照保守風險態(tài)度下，在項目前期階段可以節(jié)約211.76億，而該節(jié)約的概算投資可以用于啟動和建設更多的基礎設施工程，從而更好地支撐“十三五”規(guī)劃穩(wěn)增長、調結構、全面建成小康社會的宏偉戰(zhàn)略目標。

同時，筆者也認識到，要防止中國概算編制和審批制度的“不當激勵”，需要對概算審批制度進行改革，可以借鑒世界其他國家政府工程管理中的“不當激勵”問題和解決方法，比如Samset和Volden比較了世界經合組織(OECD)的6個發(fā)達國家的項目審批制度，并討論了其中4個國家存在的“不當激勵”問題及所采取的措施[13]，這將是下一步研究的方向。此外，可以利用大數據時代的統(tǒng)計方法[17]，從多個角度對政府工程投資概算進行審查與評價，這也將是需要進一步探索的內容。

參考文獻：

[1] 國家統(tǒng)計局.2016年全國固定資產投資(不含農戶)增長8.1%[EB/OL].(2017-01-20)[2017-09-12].http://www.stats.gov.cn/tjsj/zxfb/201701/t20170120_1455946.html.

[2] 中華人民共和國國家發(fā)展和改革委員會.中央預算內直接投資項目管理辦法(發(fā)展改革委令第7號)[Z].北京：發(fā)展和改革委員會，2014.

[3] Odeck J，Welde M，Volden G H.The Impact of External Quality Assurance of Costs Estimates on Cost Overruns：Empirical Evidence From the Norwegian Road Sector[J].Eur J Transp Infrastruct Res,2015，15(3).

[4] 中國建設工程造價管理協(xié)會.建設工程造價管理基礎知識.[M].第2版.北京：中國計劃出版社,2010.

[5] 包若凡.商業(yè)地產投資估算方法研究[D].西安：西安建筑科技大學， 2006.

[6] Flyvbjerg B.Survival of the Unfittest：Why the Worst Infrastructure Gets Built-and What We Can Do About It[J].Oxford Rev Econ Policy，2009(3).

[7] Bayram S，Al-Jibouri S.Efficacy of Estimation Methods in Forecasting Building Projects’ Costs[J].J Constr Eng Manag 2016(11).

[8] 馬輝，王雪青.基于多元統(tǒng)計分析的建設工程項目投資估算方法研究[J].統(tǒng)計與信息論壇，2010(4).

[9] Bayram S，Al-Jibouri S.Application of Reference Class Forecasting in Turkish Public Construction Projects：Contractor Perspective[J].J Manag Eng，2016(3).

[10] Flyvbjerg B，Cowi.Procedures for Dealing with Optimism Bias in Transport Planning Procedures for Dealing with Optimism Bias in Transport Planning Guidance Document[R].2004(June).

[11] Eythorsdottir E O.Reference Class Forecasting Method used in Icelandic Transportation Infrastructure Projects[D].Reykjavik:Reykjavik University，2012(12).

[12] Flyvbjerg B，Hon C，F(xiàn)ok W H.Reference Class Forecasting for Hong Kong’s Major Roadworks Projects[J].Proc Inst Civ Eng-Civ Eng，2016，169(9).

[13] Samset K F，Volden G H.Governance Schemes for Major Public Investment Projects[M].Trondheim：Ex Ante Academic Publisher Norwegian University of Science and Technology，2016.

[14] Pickrell D H.A Desire Named Streetcar：Fantasy and Fact in Rail Transit Planning[J].J Am Plan Assoc 1992(58).

[15] National Audit Office.Estimating and Monitoring the Costs of Building Roads in England[R].London:the House of Commons，2007.

[16] Wachs M.Ethics and Advocacy in Forecasting for Public Policy[J].Bus.Prof.Ethics J，1990(9).

[17] 肖紅葉.迎接大數據時代挑戰(zhàn)，探討統(tǒng)計學創(chuàng)新之路[J].統(tǒng)計與信息論壇，2016(11).