SPSS在民用建筑成本预测中的应用硕士学位论文

SPSS在民用建筑成本预测中的应用硕士学位论文答辩日期：XXXX大学XXXX届工SPSS在民用建筑成本预测中的土木建筑学独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表和撰写的研究成果，也不包含为获得华东交通大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人签名_______________日期____________关于论文使用授权的说明本人完全了解华东交通大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅。学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。保密的论文在解密后遵守此规定，本论文无保密期内容。学生本人签名校内导师签名校外导师签名日期日期日期础的一个举足轻重的组成部分，是经济增长的动力，关乎到整个国家的发展。建筑企业的实际收益。成本预测作为成本管理的首要步骤，其重要性尽显无疑。分分析的方法，结合多元线性回归理论对民用建筑成本进行预测，整个过程通过SPSS科学统计软件实现。本文依照以下步骤进行展开：首先在绪论部分介绍文章写作的背景，阐述成本管理对建设工程项目的重要意义，二部分详细介绍了成本预测的理论基础和方法原理，分别从国外和国内两个方面来展回归法相结合的方法，对其原理和步骤进行概述，并对本文建模所需使用的SPSS科学分，在前文的基础上通过SPSS科学统计软件对所搜集的样本数据进行主成分提取与多I了所研究方法的局限性，进而对未来研究做出了瞻望。关键词：民用建筑，成本预测，主成分回归，SPSSIIAbstractINIntoday'sinternationalcommunityenvironment,theworldeconomicgrowthatthesametimealsoexistvariouscontradictionsandproblemsandwhetherinternationalordomestic,themarketeconomyisverycomplex.Theworldeconomyinthecalendarafterahigh-speeddevelopmentstagenolongeroriginalglory,growthcontinuedtoslowdown.Inordertomaintaineconomicgrowthmomentum,thestatehasadoptedmacro-controlmeans,andtheconstructionindustryintheshareoftheentireeconomyoccupytheimportantcomponent.Theconstructionindustryasthefoundationofthenationaleconomyisaveryimportantpart,iseconomicgrowthmomentumiscloselyrelatedtothedevelopmentofthewholecountry.Asthesayinggoes,thereisadynamicpressure,affectedbythedomesticconstructionmarketisbecomingincreasinglymature,theconstructionenterprisesareundergreatpressureofseveretest,thisordealandthesurvivaloftheenterprisemakethecompetitionamongenterprisesisbecomingincreasinglyfierce,everyenterprisetoreducethecostandincreasetheprofitspaceasafundamentalgoalinthis.Undertheconditionofeffectivemeansofcostmanagementasaconstrainttothecostandincreasetheprofitfromtheenterprisemanagementpersonnelofallages.Theprojectcostmanagementandcontrolrelatedtotheconstructionprojectoftheeconomic,security,anumberofindicatorsofquality,isoneofthecorecontentsofconstructionprojectmanagement,andtheprojectitselfwillbedirectlyrelatedtotheactualcostreturnstheeconomiceffectandtheconstructionenterprisecostforecast.Asafirststepincostmanagement,itsimportanceobviously.Thispapermainlyfromthecivilconstructioncostconsiderations,inthestudyofaccessbasedonalargenumberofrelevantdata,usingprincipalcomponentanalysismethod,combinedwiththemultiplelinearregressiontheorytopredictthecivilconstructioncost,thewholeprocessthroughthescienceofSPSSstatisticalsoftware.Thispapercarriedoutasthefollowingsteps:Inthefirstpartintroducesthebackgroundofwriting,theimportanceofcostmanagementofconstructionproject,thenecessitytopredicttheprojectcost,andthetechnicalrouteofthegeneraldescription;thesecondpartintroducestheprincipleandmethodofcostpredictiontheory,respectivelyfromtwoforeignanddomesticaspects,includingforeignpartmainlyintroducestheoriginofcostpredictionandcostpredictionmodelofseveralgenerationsofdevelopment,andmadeacomparisonoftheiradvantagesanddisadvantages,thedomesticpartmainlyintroducesdomesticIIIAbstracttechniciansandresearchersinthefieldofresearchandexplorationoftheconstructionprojectcostforecasting,withwhichdescribestheprincipleofseveraltypesofpredictionmodelmethods;thethirdpartisthetheoreticalbasisofthispart,introducedthecivilbuildingsandthetheoreticalbasisofcostprediction,constructionengineeringandClassificationandcompositionofconstructionprojectcostofthesystemdescribed.Theconceptofprojectcosttomakeacleardefinition.Thefourthpartanalysisshowsthatthepredictionmethodusedinthispaperisthecostofprincipalcomponentanalysismethodcombinedwiththemultiplelinearregressionmethod,summarizestheprincipleandstepsofintroducestheoriginanddevelopmentandthestatusquoandthemodelingfortheuseofSPSSstatisticalsoftware.Thefifthpartistheconstructionofpredictionandinspectionpartofthemodel,onthebasisoftheabovethroughstatisticalsoftwareSPSSscienceprincipalcomponentextractionandmultipleregressionanalysisofthesampledatacollected,afterrationalitytotestthemodelintoafinishedprojectfeaturedataforempiricalvalidation,theresultsaccordwiththeprovisionsofthestate,indicatedbytheprincipalcomponentanalysisandmultivariatelinearregressionmethod.Combinationofarchitecturalengineeringcostpredictionisreasonableandreliable.Thelastdutysummarysummarizestheaboveresults,thelimitationofresearchmethods,andhasmadetheforecasttothefutureresearch.KeyWords:Civilconstruction,costprediction,principalcomponentregression,SPSSIV第一章绪论............................................................21.1研究背景和意义...............................................31.2论文的技术路线和主要内容.....................................5第二章工程项目成本预测国内外研究现状...................................72.1国外工程项目成本预测研究现状.................................72.2国内工程项目成本预测研究现状.................................92.3工程项目成本预测所存在的问题................................10第三章民用建筑项目成本及成本预测理论基础..............................133.1民用建筑项目成本............................................133.1.1民用建筑的定义.....................................133.1.2工程项目成本的定义.................................143.1.3建设工程项目成本的划分.............................153.2建设工程项目成本预测........................................173.2.1数据挖掘...........................................173.2.2建设工程项目成本预测的内容.........................173.2.3建设工程项目成本预测的方法流程.....................173.2.4建设工程项目成本预测的精确度.......................18第四章SPSS软件和主成分回归...........................................204.1SPSS软件简介...............................................204.2主成分回归..................................................234.2.1主成分分析.........................................234.2.2多元回归...........................................244.2.3主成分回归.........................................25第五章建模与案例分析.................................................275.1因子选择和数据来源..........................................275.2样本因子的共线性诊断和相关性检验............................295.3样本因子的主成分分析........................................305.4主成分回归模型的建立........................................335.5模型应用与验证..............................................355.5.1工程概况...........................................355.5.1民用建筑的成本预测.................................36第六章总结...........................................................3716.1主要工作回顾................................................376.2研究展望....................................................37参考文献...............................................................39附录1..................................................................4321.1研究背景和意义筑业增加值平稳上升，扣除价格因素，年均增长12%左右。尤其是在1978年以后，我20GDP的贡献率也从增加到了建筑行业的绝大部分，因此，民用建筑持续地、健康地发展对于整个国民经济地持续、于国民经济地重要性。出迅猛的上升态势，建筑业在整个国民经济中发挥的支柱产业中坚地位不断地加强[1]。拉动作用。而伴随着市场经济的快速的发展，我国建筑企业也面临着愈发疾风暴雨的市场角逐；尤其是加入WTO后，我国在更容易进入国外建筑承包市场的同时，也要面对世贸临着前所未有的压力。之位，就必须要做到提高管理水平，发展核心竞争力，实现经济效益最大化。工程项目成本管理与控制关系到建设工程项目的经济、安全、质量等多项指标，属于建设工程项目管理的至关重要的核心内容之一，而工程项目本身的成本更会直接关系到其经济效果，进而影响到建筑企业的实际收益。效益，也有益于调整整个房地产市场的价格，这样可以与消费者达到双赢的局面。针对3式的工程项目成本管理以及控制的理论及方法，是我国建筑行业管理的目标和发展趋势。工程项目成本管理即建筑企业根据建设单位的要求和工程项目的实际情况进行的项目成本预测、计划、控制、核算、分析和考核等一系列的管理工作，目的是为了保证企业管理者的重视。工程项目的成本预测，通常是专业人员对工程项目的特征信息参数进行搜集和审借此对工程项目可能存在的利润空间做出科学合理的估算。期成本和收益进行调整，加强对于成本消耗的控制。在世界经济一体化浪潮下，我国建公私合作发展迅速，出现了PPP项目、BOT项目等。这些变革给我国建筑行业能够更与多种新兴模式相适应，甚至制约到整个行业的发展。模式，也就是说把最终的目标利润作为指导，所关注的成本管理的重点是事后核算，所方案和获得较好经济收益的目的考虑，怎样进行有效合理的成本预测的重要性尽显无疑。面：（1）科学的成本预测是建筑企业成本管理任务的前提和重要步骤；出预判及推测[2]。一旦成本预测的结果显示成本超出了计划投资的目标，就需要采取一4者探索尝试新型的技术方法来降低成本。（2）科学的成本预测为建筑企业的管理者进行经营决策提供了主要的依据；理者做出科学的决策，以及完善和优化整个企业的管理链有着无庸赘述的意义和重要性。（3）科学的成本预测是建筑企业提高经济效益的有效手段。差进行调整，具体措施例如修改项目资金的使用计划，缩减不必要的资金支出等。此外情况。重要性。工程建筑有多重分类方式，民用建筑是工程建筑其中的一个分类，本文主要对民用建筑进行研究探讨。1.2论文的技术路线和主要内容题，上述的建模和预测过程通过SPSS科学统计软件来进行和完成。在文章的最后使用对研究进行展望。本文的具体技术路线如图1-1：5提出问题建筑企业成本管理及成本预测重要性绪论工程成本及成本预测相关知识分析问题建立模型解决问题结语国内外内本预测模型方法建立主成分回归模型根据主成分分析法和线性回归理根据模型解决民用建筑成本问题完成民用建筑成本预测并验证图1-1技术路线图Fig.1-1TechnologyRoadmap62.1国外工程项目成本预测研究现状成本工程起源于19世纪的英国。招标投标制度的实施极大程度上促进了人们对成预测模型的研究发展过程主要分为三个阶段。首先是由英国工程造价信息所服务部提出地建筑成本信息服务（BuildingCostInformationBCIS近的选取其一，然后按其数据将待预测工程分为基础部分、主体结构部分、内部装修部价信息服务部隶属英国皇家特许测量师学会（RoyalInstitutionofChartered，）简称RICS，成立于1962年，该模型为[3]6Crtgq（2-1）i0在该式中，i—工程估算的造价；—楼层单位面积的成本造价；—用户拟定的时间调整系数；gq—质量调整系数。在预测与已完工程类似程度非常高的新建工程项目时才比较合适。第二个阶段的模型出现于二十世纪七十年代，由Kouskoulas和Koehn提出，他们意识到了第一代单位面积模型的严重缺陷，认为不可能存在完全一样的两个建筑工程，合理的调整系数的确定对预测人员来说也是相当困难，故而采用回归分析进行成本估算，该模型为[4]Caavavavavavav（2-2）0112233445566在该式中，—项目的估算成本；v—地区指数，由项目所在地居民的收入和生活1水平获得；v—价格指数，由政府统计地数据得到；v—建筑指数，表示不同类型地建23筑项目有不同地成本；vv—质量指数，45v—技术指数，表示采用新的施工技术、材料和工艺或者是特殊类型项目产生的额外部67分造价对项目成本的影响。其中v质量指数的计算公式为51kvmcii（2-3）k5i1在该式中，kmi通过打分来描述，用数字1表示不合格、数字2表示一般、数字3表示良好、数字4表示优秀，对应构建的优良情况；c—第i个建筑构件所需造价。i关于式中a~a的取值，Kouskoulas和Koehn采用随机取样的方法抽选了三十八06预测的回归方程为C81.49v10.97vv0.167v5.26v30.9v（2-4）123456相对于第一代BCIS模型，第二代模型给出了较为精准的调整系数，并依靠有针对之九十以上，明显优于第一代模型，较之过去具有今非昔比的可靠性。然而回归分析理存在一定程度上的局限性。MonteCarloSimulation方法即通常所说的计算机随机模拟方法进行模拟。MonteCarloSimulation法是一类计算机的随机模拟方法，在某个随机事件或[5]的数值。据此，可以利用计算机对工程实施过程进行模拟，对可能对于工程项目成本造成影响的各项指标因素进行对比分析，并研究这些因素对工程成本的影响的不确定性，根据以往经验和分析得到的各分项工程的先验概率（prior个模拟完成，将各随机数进行累加所得到的即为项目总成本。MonteCarlo法用概率分MonteCarlo随机模型要求建求精度较高但模拟计算比较繁琐，不适用于设计结构十分简单的工程。究。2011年，HongTH等建立了基于改进的案例推理（Case-basedReasoning）技术82-1Genetic）计算出。最后该模型的可靠性和精度由某在建民用住宅项目进行检验。[6]YYNN图2-1案例推理法操作流程Fig.2-1Case-basedReasoningFlowcharts2014年，GuanZMarkovChain）预测方法的基础上，结合工作WorkBreakdownStructure）对影响造价的各项要素进行分析。作为对工程的成功预测验证对该方法实施了验证[7]为某Xt,tT称为马尔可夫链。Xt,tT若满足公式2-5nTP(XxXx,Xx,Xx)P(XxXx)（2-5）n11122nnn1nn在该恒等式中P为所有地变量可能取值地集合；X的值表示的是某变量则在时间为nn时的状态。恒等式的含义为系统在时间为t（t=n+1）时的状态只和系统在时间为t112（t）时的状态存在相关性，与其他任一时刻都不存在一丝一毫地相关性。22.2国内工程项目成本预测研究现状GM(1,分析法、模糊数学法、ANN人工神经网络法、基于粗集理论的成本预测法、基于灰关联熵的成本预测法和基于ELM的成本预测方法等。2001年，谢媛芳，王继龙在成本预测中使用灰色理论，结合工程项目成本地历史9数据构建GM(1,结果的准确度进行修正2010[8]色GM(1,理，通过序贯滤波增益计算模型的平均相对误差只，从而将数据序列地随机性减弱了。并进行工程实例仿真验证该方法的预测效果GM(1,模型的微分影子方程为[9][10]t)t)u（2-6）参数向量为ˆaa,uBB1BYT（2-7）（2-8）TTTnYx(2),x,x(n)(0)(0)(0)n具体计算公式为（根据最小平方法优化计算得到）ˆˆuuˆx(kxeˆkˆaˆa（2-9）在公式2-5至2-8中，—发展灰数；u—内生控制灰数，两者皆为不确定的参数，可根据最小平方法计算出。x—原始数据；x—1次累加后的原始数据。需要注意的是，灰01素保持连续的情况下对项目作出短期的预测。2005年，袁鑫，陈丽翠等将挣值分析法的理论（挣值法原理见图）引入项目成存在地缺陷做出了探讨，并依据非线性加权综合评价的思想对其进行优化。[11]费用图2-2挣值法评价曲线10Fig.2-2EarnedValueManagementEvaluationCurve2008年，甘军霞，马维珍等在成本预测时引入多元线性回归分析法，根据施工调[12]。2010年，张利荣将多基原算法和模糊数学的理论引入项目成本预测中，根据项目其他算法的相容性也较高。[13]2010年，刘大江在解决成本预测时引入RoughSets粗集理论，构建出基于RS理论地预测模型，并根据其属性约简的核心优势使用Rosetta粗糙集软件分析出影响工程分类规则。而粗集理论属性约简的特性，有着删除多余繁杂的属性的效果，可以达到降低处理数据的工作任务，大大缩减工作时间得目的。指代入工程实例进行验证，作为预测工程成本的一次探索取得了有利的效果。[14]2010BP神经网络方法，模型如图2-3）对产品成本进行预测，研究该方法的适用性及其缺陷，并提取产品的特确度，可以作为决策的参照依据运用在建筑企业的生产运营当中。2011年，李芬，[15]汤虎在BP神经网络方法的基础上结合模糊数学的理论进行工程成本预测。首先使用模BP神经网络方法构建预测模型，桥梁工程的造价实例验证了模型的精确度以及可靠性。[16]输入层隐含层输出层特征值aBIRADS分级结果特征值b……通过训练调节连接权值11图2-3BP神经网络模型结构图Fig.2-3ModelBuildingofBackPropagationNeuralNetwork2015年，文义采用高精度的组合成本预测模型来解决传统单一模型精度不符合要关联熵的组合权重的确定方法，选用类似灰色模型，指数平滑法等的单一模型，确定其势来克服单一预测模型地缺陷。通过对比分析表明结果精确度有明显的提高。[17]2015年，朱正，陶岚在成本预测中提出了基于单隐层前馈神经网络（SLFNs）的极限机器学习法（的速度有了显而易见的提升，实用性优越，相对有利于推广。[18]2.3工程项目成本预测所存在的问题SPSS模型就能达到这样的目标。123.1民用建筑项目成本3.1.1民用建筑的定义将建筑工程项目按按照其使用功能进行划分，可分为民用建筑、工业建筑、构筑物CivilBuildings居使用的建筑物；工业建筑（IndustrialBuildings为共居民起居进行各种生产活动的建筑物。具体的划分结果如图3-1：居民住宅住宅集体宿舍办公楼商场民用建筑工业建筑厂房车间建筑体育馆机场、车站烟囱水塔筒仓贮池图3-1工程建筑分类Fig.3-1ConstructionClassification13本不再进行单独阐述。3.1.2工程项目成本的定义于商品价值的一个组成部分。中国成本协会（ChinaCost）所发布地《成本价。即为了能够顺利地完成生产经营的活动或者为了实现某个目标，人们必须耗费出①另外的物质要素人财物资源，这种消耗资源的货币即为成本[19]。换句话说，成本代表收益。建设工程项目地成本指地是建设工程项目在整个施工阶段所地消耗地生产资料包表的含义也存在区别，如图3-2。对发展商对投资者对承包商建设工程成本工程成本建设项目总投资额建筑产品价格图3-2工程成本的定义Fig.3-2DefinitionofEngineeringCost有着直接的相关性，在通常条件下工程项目成本越高则项目的收益情况越差，同样地，中国成本协会2005年发布的《成本管理体系术语》标准中第2.1.2条14管控也反映出了建筑企业的经营管理能力。-关于建设工程项目成本，还需要对工程造价加以区分，如图33。由于两者的组成有同样的成分，且都与工程项目的盈利存在着相关性，所以常常被混为一谈。实际上，议书阶段，造假地预测是依据估算指标来进行；在项目地可行性研究阶段，造价地估算是依据概算定额来进行；在项目地实施阶段，造价地的计算是依据清单来进行；当项目完工结算时，项目地造价即为项目地工程决算。直接工程费工程工项程措施费规费目成本企业成本成本工程造价间接费企业管理费利润税金图3-3工程项目造价构成Fig.3-3ConstitutesofEngineeringProjectCost3.1.3建设工程项目成本的划分工程项目成本存在着种类繁多地划分方式。（1）按工程成本计算地不同时期来划分15程项目在在整个实施阶段实际投入和支出的所有金额的总和，是已经发生的消耗代价，因而是一种历史成本。（2）按成本的形态来划分分为原材料费、直接人工费以及辅助材料的成本等。此外，长期借款利息在这里应该划变成本。（3）按建设项目组成的范围来划分3-4大类。类似的划分方式还有很多，如根据成本发生的时间可以划分为历史成本及未来成合单价的组价原则以及成本按照其商品经济性质的分类，以及我国建设部和财政部在2003年10月152003]206号，工程项目成本按要素可以分成由直②接成本和间接成本组成，如图3-4。其中，直接成本（directcosts）反映的是直接使用于生产过程中的各种费用，对应于建设工程项目表示的是在整个施工阶段为了构成工程项目的实体或服务于构成工indirect）costs表示与产品的生产没有直接关系，也就是与产品的生产不存在直接的清晰度量建设部和财政部在2003年10月15日联合发布了关于印发《建筑安装工程费用项目组成》的通知②16品成本的方式来区分的话它们属于不能直接计入成本的费用也就是作为费用只能间接形式来决定，对成本有着显而易见的影响。间接成本又分为规费和企业管理费两类，如办公费用、管理费用以及工具用具室的消耗费用，具体可划分为社会保障费、劳动保险费等。17大型机械设备进出场及安拆费混凝土、钢筋混凝土模板及支架费脚手架费已完工程及设备保护费施工排水、降水费工程排污费养老保险失业保险医疗保险危险作业意外伤害保险管理人员工资办公费差旅费职工教育经费财产保险费财务费其他图3-4工程项目成本的分类Fig.3-4ClassificationofEngineeringProjectCost183.2建设工程项目成本预测3.2.1数据挖掘提到成本预测首先要介绍数据挖掘。数据挖掘（DataMining）起初是数据库知识发现(KnowledgeDiscoveryInDatabases)的一个步骤,如今已经发展成为一门综合性的是数学理论、概率统计、数据库方法等多种学科的交叉结合。[20]数据挖掘包括分类、估计、预测、相关性分组、聚类、复杂类型数据挖掘等，常用的为分类、预测和聚类。其中，分类（Classification）是指根据不同的特征指标将现有的对象进行区分，把指标相同或者相近的记录在一个聚集里面；聚类（Clustering）是算。数据挖掘通常使用计算机进行操作，依靠各种学科的结合来完成目标，在实际生活的各个方面都有广泛的应用。关性分组以及预测等部分的理论知识。3.2.2建设工程项目成本预测的内容生产产品使用的原材料、生产的工艺流程以及产品的使用功能决定了产品的特性。于建筑产品具有一次性和不可逆性，且生产周期长，整个建设工艺过程十分复杂，需要本水平和成本的变化趋向程度进行估算。成本预测的内容不只是有预测，还包括分析，成本消耗实际发生之前就对其进行推算。3.2.3建设工程项目成本预测的方法流程成本预测要恪守科学有效的原则，通常其使用的流程图如3-4。映在最终结果中，因而需要采用科学的方法，对各个环节的误差进行控制，用以保证最终预测的精确度。19搜集相关历史数据和资料进行修改完善完成成本预测图3-4成本预测流程图Fig.3-4CostForecastFlowcharts类[21]期的预测。具体包括专家调查法(Delphi法、专家打分法和目标预测法等。定性预测法因果预测法两类，通常来说适用于进行短期的预测，具体可分为时间序列预测法、高低点法、加权算数平均法等。定量预测法适用于数据资料比较完备的工程，在进行成本预用。3.2.4建设工程项目成本预测的精确度20偏差，预测的精确度不可能达到百分之百。常见工程项目成本在各阶段相对于最终的实际成本的允许预测误差为[22]：表3-1不同阶段成本预测允许误差成本预测时所属阶段允许误差的范围目标设计阶段可行性研究阶段初步设计阶段施工图预算阶段±5%~±10%实际要求选用适当方法控制预测精度。筛选预测所需的资料和数据，保障其质量；从方法技术操作的角度来说，保证预测人员的专业性，采用合理的预测方法和预测模型等；从分析判断的角度来说，在经济和时间长久的目标和任务。用于民用建筑成本相关问题。21SPSS4.1SPSS软件简介众所周知，在进行涉及统计问题的研究时，必然会出现工作量繁重的数学计算。为应运而生。SPSS由斯坦福大学（Stanford）的三位研究生NormanH.Nie、C.HadlaiHull和DaleH.Bent共同研发。SPSS公司成立于1975年，2010年被IBM（InternationalBusinessMachinesCorporation）国际商业机器公司并购。SPSS软件从问世至今已有四十多年，了如今的规模，成为深受用户喜爱的软件系统。SPSS科学统计软件一直以来都将提供高效率且便于使用的统计分析和数据挖掘作为核心的发展目标，为了应对从数据分析，以及解决整个问题的数据分析的过程中遇到的问题，该数据获得的数据提供解决方案，进行决策使用。SPSS统计产品与服务解决方案软件（StatisticalPackageForTheSocialScience）又被称为社会科学统计软件包。作为一款功能十分强大的应用统计分析软件包，SPSS可以进行的操作包括数据管理、统计分析、程序编辑和图形报表等。SPSS是公认的世作相对简便、数据分析处理功能十分强大、结果清晰明确、报表功能强大、程序兼容性好并且对多个操作系统都支持，目前已在经济学、统计学、管理学、生物学等学科以及商业、农业、金融业等行业领域受到广泛应用，广受好评。SPSS是世界上最早开发的SAS（StatisticalAnalysisSystem）及（BioMedicalDataProcessing）被称作当今国际上最具影响力的三大统计分析软件系统[23]分析运算是使用SPSS软件操作的时候，甚至能够不用解释其程序和算法，SPSS软件的公信力和其在学术领域的地位可见一斑。SPSS软件通常的使用步骤如图：22使用数据编辑器对数据项定义根据所得结果进行分析收集整理原始数据数据输入图4-1SPSS软件使用步骤Fig.4-1SPSSOperationalProcedure在销售，程序，通信，电商，市场调查的分析这些领域，SPSS科学统计软件已经结果，预测完整的应用服务和软件产品，建模，数据输入的研究和分析的咨询服务，以分析检索报告，数据整理等等。SPSS科学统计软件提供这些细致而又周到的解决方案测未来。顺利，SPSS科学统计软件凭借自身优势将会在各个生活实践得到更为广泛的应用，届SPSSSPSS能够帮助管理人员提供战略方面的决策。SPSS科学统计软件内置多种分析和统计方法，包括列连表分析、探索性分析、方差分析、生存分析、因子分析、聚类分析、协方差分析、判别分析等分析方法，以及二维相关、秩相关、统计描述、非线性回归等统计方法。本文要用到的理论方法为线性回归法以及因子分析中的主成分分析法。首先打开SPSS软件，选择工具栏，点击、、数据分析，即可对表格中的数据进行线性回归分析等，操作方法如下图4-24-4所示：4-323Fig.4-2SPSSOperationalProcedureFig.4-3SPSSOperationalProcedureFig.4-4SPSSOperationalProcedure主成分分析（PrincipalComponentAnalysis）出现于上个世纪30年代，主要用于比较庞大的，若想直接从其中提取一定的规律或者发现其内部联系往往是比较困难的。的，有的相关性较为明显，有的相关性较为薄弱，为了用清晰明确的方式表达其内部关保留下来。完成主成分分析的过程就是把数据从高纬映射到低维的一个降低维度的过的提高时起到尤为显著的作用。[24]使用主成分分析法对数据进行降维通常要借助SPSS科学统计软件，对已经选取的[25]合线性回归模型来解决问题，保证模型的精度和可靠性。主成分分析既可以单独使用，于社会实践和科学研究的各个领域，为生产生活的发展创造了难以估量的价值。4.2.2多元回归行表示[26]MultivariableLinearRegressionModel变量之间有线性相关关系的回归分析。回归方程的基础表达式如下：Y=aX+b（4-1）在该基础公式中，Y对应的是应变量；X对应的是自变量；a对应的是自变量的系数；b对应的是常数项部分。根据多元回归理论知识我们可以知道，a与b是需要我们进行分析计算来求得的，从数学角度来说，a代表的是当自变量发生了1个单位的改变之后其对应的应变量所发生的变化；b代表的则是在坐标系中当X等于0的时候Y的值。根据回归方程的基础表达式，我们可以得到多元回归的表达式如下：xxY=（4-2）011nn同公式4-1，在公式4-2中，Y对应的是应变量；X对应的是自变量；、、…、01一直到，对应的是回归系数，即基础表达式中的a项自变量系数，需要通过分析计n26b0项常数项；对应的是回归分析中的随机误差，的值为0。在实际操作中，对应变E量与自变量之间的相关关系进行nn公式4-2中，就可以得到n组的误差值，将这些公式和数据分析整合，就可以得到所需的多元分析函数表达式。进行科学性及合理性的验证。比较常见的验证方法包括检验（R2F检验（方程的显著性检验t检验（变量的显著性检验）等。其中，结果通常分布在之间，；指1，首先通过分析对进行确定，然后将F使用SPSS科学统计软件得到的临界值与其作对比，如果结果大于确定的F则符合检验的要求；变量的显著性检验是针对自变量与应变量的相关性做出的检验，该检验：ˆ.c（4-3）1其临界值为：ˆtn2c=（4-4）2l在进行判定的时候，如果数值那么我们就判定各个自变量与应变量之间有，如果数值没有那么我们就判定各个自变量与应变量之间没显著的相关性有明显的相关性要解决的问题是否适用于多元回归分析的方法。作为数理统计的重要的组成部分，多元回归分析也在生活实践中发挥了巨大的作归分析领域的方法和知识。4.2.3主成分回归归分析的时候，由于影响因子的种类数目较多，所以需要对影响因子作出共线性诊断。27方法来完成上述的过程。使用主成分回归模型的第一步是标准化的数据处理，在本文中使用SPSS科学统计在数据出现无序的情况，某些数据是空的，或0，这反映在数据运算操作处理的时候，文中使用SPSS科学统计软件进行主成分回归分析得到的即为共线性诊断表以及KMO和Bartlett检验表。若是检验的结果表明可能存在共线性，则接下来使用主成分回归模SPSS科学统计软件进行主成分回归SPSS科学统计软件进行主成分回归分析得到的即的相关系数矩阵，从而使不是对角线上的数字为，加入到该主对角线。使用主成分回归模型的第五步是求出各影响因素的得分系数矩阵，在本文中使用SPSS科学统计软件主成分之间的关系表达出来。285.1因子选择和数据来源从数目繁多的可控因素中分析选取选取10个具有普遍性的影响因素作为工程项目成本预测的影响因子。其中定性因素包括结构工程、基础工程、屋面工程3个；定量因素包括当年建筑安装工程造价指标、工程类别、土建施工工期、建筑总面积、地下室建筑面积、建筑层数、标准层层高7个。这里的预测成本为主体部分的土建工程造价，包括建证了预测样本的准确性。由于决算数据为企业内部资料，在多方的协助和支持下，获得了上海市近5年完工的50个民用建筑工程项目的决算数据作为样本。对应影响因子从这些样本数据中提取的相应数据如表5-1。完整的50个参考数据可见附录1表5-1部分样本工程特征数据1234534111319建筑总面积(m2)367543002912345础预础根据表5-1可以发现，定量因子和定性因子的量纲和数量级都是不一样的，因而非常直观清楚，而定性因子则需要进行量化处理。本文有结构类型、基础类型、屋面类示在工程中不同形式的屋面及防水工程的造价，如平屋面，坡屋面等；基础工程量化后的习惯，这里的结构工程造价包括砌筑工程、钢筋工程和混凝土工程的造价总和，如框架结构、砖混结构、剪力墙核心筒结构、钢结构等，结构部分为钢结构的需再加上金属结构工程造价。部分量化后的工程特征数据如下表5-2所示，其中数据为0表示该工程项目不含此分部分项工程。表5-2部分样本工程特征数据量化表12345313411167543（m）300501345.2样本因子的共线性诊断和相关性检验Fig.5-1SampleDataView导入数据后第一步要对影响因素进行初步回归分析，由于本文一共出现了10个影存在严重共线性的问题，影响预测的准确性。共线性诊断结果如表。表5-3共线性诊断表特征条件模型维数值索引.1.16.371.00.3023.091.4335.30.304.557740.137.000050.0412.2248..0.0215.187470.0025.991680.0026.9.97090.0030.5745..55.1250共线性诊断的判别方式有多个维度特征根为0证明存在多重共线性和条件指数大于0时提示可能从在多重共线性两种。根据表5-3可以看出，特征根不存在为0现象故32不能证明存在多重共线性的情况，而多个条件指数存在大于10的现象，故有发生多重成分分析来解决这个问题。KMO(KaiserMeyerOlkin)和（巴特利球体检验）球形度检验的方法来检验样本数据相关性，检验结果如表5-4。表5-4KMO和Bartlett的检验取样足够度的Kaiser-0.750Meyer-Olkin度量。Bartlett的球近似卡方1194.039df66Sig.0.000由表5-4KMO度量的值为，近似卡方的值为df（巴特66sig.巴特利球形检验的显著性概率0.000。KMO和Bartlett检验的判别规则为满足KMO的值大于等于0.5（KMO的值越接近1P的值小于0.05的要求方可进行主成分分析。本文的检验结果满足这两个要求，适合采用主成分分析法。5.3样本因子的主成分分析对样本因子进行主成分分析提取因子，得到解释的总方差结果如表。表5-5解释的总方差提取平方和载旋转平方和载入入成份合计方差累合计方差累合计方差累33的%积%的%积%的%积%5.7449.449.45515155151551511.9319.376.51.9319.376.51.7317.366.77692076920334850.969.6486.10.969.6486.11.4714.781.557675767769540.808.0294.10.808.0294.11.2612.694.139963996442960.292.9897.1..................0.000.00100.01000表5-5由SPSS科学统计软件对样本数据进行降维处理得到，从表中中提取平方和41个因子包含了影响因素57.151%2个因子包含了影响因素19.369%3个因子包含了影响因素9.647%4个因子包含了影响因素8.029%4个主成分因子的累计方差贡献百分比为94.196%34通过样本数据碎石图（图5-2）也可以发现，前4个成分之间的特征曲线相对后面6个成分之间的特征曲线波动幅度较比较小，表明其差距较小。这与解释总方差的表现结果一致。Fig.5-2ScreePlot工程类别-0.1-0.15-0.90-0.192（万元）1685指标（元_0.7860.1710.0570.2270.1620.0750.1340.776-0.496建筑标准层0.20-0.03-0.00层高（m）745地下室建筑0.970.9410.1780.0390.1110.1460.0170.0640.1700.0480.0780.2070.0430.161旋转法:具有Kaiser标准化的正交旋转法。根据表5-6，分别将4个主成分因子定义分析。其中，因子1反应了建筑总面积、地下室建筑面积、基础工程、结构工程和屋面工程等变量的信息，用F表示；因子2反映了当年建筑安装工程造价指标、土建施工工1期等变量的信息，用F表示；因子3反映了建筑层数、工程类别等变量的信息，用F23表示；因子4反映了建筑标准层层高等变量的信息，用F表示。436表5-7得分系数矩阵成份1234-0.69-0.22970.0740.7100.574-0.13-0.0812-0.050.1011成份1234-0.049-0.3430.832地下室建筑0.22-0.06-0.02-0.0面积_m2_55941基础工程0.24-0.09-0.04-0.0（万元）57593结构工程0.23-0.08-0.02-0.0（万元）4047337屋面工程0.20-0.03-0.020.01（万元）4152提取方法:主成份。旋转法:具有Kaiser标准化的正交旋转法。5-7成分表达式：F=0.067X-0.145X-0.092X+0.209X+0.032X-0.094X+0.225X+0.245X+1123456780.234X9+0.204X10（5-1）F=0.074X+0.710X+0.574X-0.050X-0.117X+0.027X-0.065X-0.097X-2123456780.080X9-0.031X10（5-2）F=-0.692X-0.138X-0.051X+0.052X+0.508X+0.123X-0.029X-0.045X-3123456780.024X9-0.025X10（5-3）F=-0.297X-0.012X+0.101X-0.049X-0.343X+0.832X-0.041X-0.093X-4123456780.073X9+0.012X10（5-4）在这些公式中，XXXXXXXXXX分别对应的是经过主成分分析后的1，2345，6，7，8，9，10，，，各个指标变量：其中，X对应的是变量中的工程类别；X对应的是变量中的当年建筑12安装工程造价指标；XX对应的是变量中的建筑总面积；34X对应的是变量中的建筑层数；X对应的是变量中的建筑标准层层高；X对应的是变567量中的地下室建筑面积；X对应的是变量中的基础工程类别；X对应的是变量中的结89构工程类别；X对应的是变量中的屋面工程类别。关于表格的解读，根据旋转成分矩10阵（表5-6）能够得到每个指标变量的主成分因子表达关系，而通过因子得分系数矩阵（表5-7）则能够得到4个主成分因子的指标变量表达关系。5.4主成分回归模型的建立4个主成分因子和工程项目的预测成本，作为新的对应的自变量（Independent）和应变量（Dependent38Variable）来建立主成分回归模型。综合之前所得数据，通过最小平方法分析结果如表5-8。表5-8主成分回归系数标准共线性统计量..零部容偏VIF.B........389.0.00.91.083100860027228550.00.00.01.16500959919547128.10.00.81.2440143976731040.9650.1290.0730.07831.20.00.91.156003697740703a.应变量:工程项目的预测成本。..由表5-8可以看出，主成分1、主成分、主成分4的sig（巴特利球形检验的显著性概率）的值为；主成分2的sig（巴特利球形检验的显著性概率）的值为0.001，都小于显著性水平α（α为，证明四个主成[27]分因子都对工程项目成本预测具有显著性。主成分1、主成分2、主成分3、主成分4的VIF（VarianceInflationFactor，方差膨胀因子）的值分别为1.1711.204和1.103，都大于0小于10VIF的值属于0到10之间的时候不岑在多重共线4个主成分因子变量之间没有多重共线性的情况，故满足多重共线性检验的要求KMO和Bartlett的检验得到的可能[28]39存在多重共线性情况的问题，该主成分回归模型合理有效。..使用SPSS科学统计软件对标准化后的工程项目成本和主成分因子进行回归分析，得到表5-85-5旋转平方和载入可得，主成分1所占方差的百分比为，主成分2所占方差的百分比为17.334%3所占方差的百分比为14.769%分4所占方差的百分比为5-8可发现常量的偏回归系数B的值为，数值太小不做考虑，则可得到用提取后的主成分因子表示的主成分的多远回归模型为：F=0.49451F+0.17334F+0.14769F+0.12642F（）11234...分别将公式、5-2、5-3、5-4带入公式，可以的到用最初的原始变量表达的回归模型为：F=-0.094X+0.026X+0.059X+0.136X+0.027X+0.082X+0.121X+0.086X+123456780.089X+0.093X910....（5-6）表5-9模型汇总标准估计更改统计量Sig..F更dfdfR模型R方方差更改改12改320.000..9....a.预测变量:(常量),主成分4,主成分3,主成分1,主成分2。..表5-10回归方差分析表bAnova平方模型和df均方FSig.40131.947.97442.10.0004608030a回归.1.4750.29残.24差......a.预测变量:(常量),主成分4,主成.b.应变量:项目的预测成本。...根据表5-9可以得到模型汇总后决定系数的值是0.9690小于R介绍过的相关系数的值越靠近1要求，模型拟合的效果比较好，也就是说证明了该主成分回归模型的自变量（IndependentVariableDependentVariable根据表5-10可以得到经过回归方差分析后的的值是442.10803F检验临界值是3.120442.10803远远大于，F故该主成分回归模型满足显著性要求，也就是说证明了该主成分回归模型具有显著性。存在多重共线性，具有显著性和良好的线性相关系，具有统计性质并且较为稳定。模型科学有效。5.5模型应用与验证5.5.1工程概况上海市某已完工高层商品住宅位于中环的浦东新区，其建筑面积为18301.56m，2其中地下室面积为3921.32m，地上部分建筑面积为14380.24m。该高层商品住宅为22框架剪力墙结构，主体结构为地上18层，地下1层，檐口高度为52.3，首层4.0，标准层层高为2.8。工程类别为1类，抗震设防烈度为。土建部分施工工期为280天。工程基础类型为筏板基础，桩基类型为PHCAB800钢筋混凝土管桩，土方工程采41用机械开挖。地下室做为停车场使用，安装钢制人防门，地下室内墙地面采用8厚和12厚的1:4CL30砂浆添加剂1为240100厚和200人平屋面，使用20厚水泥砂浆找平，40厚挤塑苯板保温，3厚聚酯胎防水卷材，结构自找坡。外墙采用无机保温砂浆，门窗玻璃采用钢化中空玻璃。楼地面使用20厚水泥砂浆找平，12厚1:4CL30砂浆添加剂和12mm长纤维各1千克。外墙刮外墙腻子二遍，打磨平整，刷底漆一道。基础部分泵送混凝土等级为C30，地上部分泵送混凝土等级为C35。5.5.1民用建筑的成本预测根据项目特征可知，该工程为高层商品住宅，属于建筑分类中的民用建筑，故适用特征对应的值为：工程类别为1类，当年建安工程造价指标为2472元/m，土建部分施2工工期为28018301.56m182为2.8，地下室面积为3921.32m，基础工程部分造价为191.34万元，结构工程部分2（包括地上部分的砌筑工程、钢筋工程和混凝土工程）造价为1413.47万元，屋面工程部分造价为156.88X—1X—，12X—X—18301.56X—X—X—X—191.34X—1413.47，3456789X—156.88。代入上节所得公式可得到，F=3730.207万元。即预测该工程成本为103730.207万元。根据原工程结算资料可知结构部分工程实际成本为4118.59万元，预测成本与实际的成本之间误差为-10%~+10%范围在之间。测模型在以往模型的基础上，更加准确的引入了建筑项目各个阶段所占的成本的百分本，相较以往的建筑成本预测模型，本文所采用的技术路线和方法模型不仅可靠，且更具有发展与思考价值。426.1主要工作回顾我国传统的成本管理方式多为粗放型，不仅与当今各行业精细化管理的趋势不相业界普遍的认可。建筑工程的成本预测理论和方法。具体来说，就是先在在工程项目成本管理的基础上，对工程项目成本预测的理论及方法进行和介绍和归纳，并利用SPSS科学统计软件，使果：（1）总结阐述了工程项目成本构成和成本预测的相关理论知识，对国内外的成本SPSS科学统计分析软件结合回归分析理论解决成本预测的问题。（2）数据挖掘理论知识中的预测算法被广泛地运用在生活实践的各个方面。通过成分分析可以将影响变量降低维度，提取公共因子，通过验证后构建主成分回归模型，筑工程项目成本预测问题的适用性和可行性。（3）运用SPSS科学分析软件建立回归模型解决工程项目成本预测的方法调理清晰，逻辑严谨，SPSS软件的操作也易于上手，最后得出的预测结果同实际成本的偏差也在要求范围内，具有良好的可靠性。6.2研究展望本文只是证明了使用SPSS软件建立回归模型进行成本预测的可行性，在实际操作43实际问题。此外，影响因子的选取主要考虑施工现场的直接客观情况，没有将建筑企业文所建模型的一个缺陷，有待于在以后的学习研究中进一步完善。44参考文献[1]金维兴,张文艳.中国建筑业支柱产业地位分析[J].建筑经济,2001,08:6-9.[2]蓝荣梅.基于指数平滑法的建设项目成本预测研究[D].西华大学,2013.[3]杜训.国际工程估算[M].北京:中国建筑工业出版社,2002.[4]温国锋.建设项目投资估算模型分析[J].中国煤炭经济学院学报,2000,03:19-22.[5]DavidM.Wall.DistributionsandcorrelationsinMonteCarlosimulation[J].ConstructionManagement&Economics,1997,15(3):241-258.[6]HongTH,HyunCT,MoonHS.CBR-basedcostpredictionmodel-IIofthedesignphaseformulti-familyhousingprojects[J].ExpertSystemswithApplications,2011,38(3):2797-2808.[7]GuanZ,DengT,JiangY,etal.Probabilistic45estimationofgroundconditionandconstructioncostformountaintunnels[J].Tunnelling&UndergroundSpaceTech