刘海滨，曹 丽
（中国矿业大学（北京）管理学院，北京100083）
摘要：文章采用基于目标导向的风险识别方法，在总结与分析新型城镇化、资源型城市转型发展、资源型城市可持续发展等评价指标体系的基础上，对矿业城市的新型城镇化建设过程进行风险识别，辨识出了经济风险、社会风险、政治风险、生态风险等四大类风险，共包括41项风险因素，运用德尔菲法进行确认，构建了矿业城市新型城镇化建设风险因素体系。通过调查问卷的形式进行实证分析，并对调查的数据进行了探索性检验与验证性检验，剔除了6个影响量表信度与效度的因素，最终保留了35项风险因素，作为矿业城市新型城镇化建设的风险识别因素。
关键词：矿业城市；新型城镇化；目标导向；风险识别
中图分类号：F407.1 文章编号：1004-4051(2016)04-0046-05
从可持续发展到经济转型，国家以及学术界越来越重视矿业城市的发展与前途。自党的十八大提出了新型城镇化战略以来，各省、各地区政府纷纷提出了结合本地特色的新型城镇化路径。矿业城市的新型城镇化建设往往还伴随着城市转型与可持续发展的问题，因而任务更加艰巨，潜在的风险也更大。能否将这段关键时期内各项工作中存在的风险控制好，关系到矿业城市的生死存亡。因此，为保证矿业城市新型城镇化工作的顺利进行，有必要将风险管理的思想引入到建设过程中。
风险管理的首要工作是风险识别，即采用有针对性的风险辨识方法，全面、准确地确定风险管理对象。有效的风险识别是成功的风险管理的前提。在风险识别过程中，需要根据具体对象的性质、特点以及分析人员的知识、经验和习惯选择合适的方法，才能确保全面、准确地识别出风险管理对象存在的风险因素。通过对现有风险识别方法的对比与研究，本文拟选择基于目标导向的风险识别方法，对矿业城市新型城镇化进行风险因素的辨识，建立矿业城市新型城镇化风险因素识别体系，并对其进行探索性检验与验证性检验。
1 基于目标导向的矿业城市新型城镇化风险识别
基于目标导向的风险识别是一种以研究对象的战略目标为导向，将战略目标分解成一个个可量化的具体指标，再将具体指标转化为风险辨识目标的过程。该方法可以较强地描述风险因素间的相关关系，并对风险结构有良好的表达效果。目标导向法的优点在于正则性以及策略的规范性，这样可以保证风险目标识别快速完成且能够重复进行，辨识过程灵活，辨识结果具有较强的结构性，而且还能保证风险评价控制活动的一致性。
基于目标导向进行风险识别的第一步是确定矿业城市新型城镇化建设的战略目标，根据所要实现的目标，辨识各种潜在的风险。新型城镇化的目标主要是通过评价指标来体现的，本文参考国务院发布的《国家新型城镇化规划（2014～2012年）》中的“新型城镇化主要指标”、厉以宁等建立的“新型城镇化评价指标”，李程骅的创新型城市指标体系以及方创琳的城镇化发展质量动态判断标准，由于在矿业城市的新型城镇化过程中，还同时进行着矿业城市转型以及可持续发展的探索，因此，本文同时参考了专门针对矿业城市发展所制定的“资源型城市（产业）转型评价指标”、“资源型城市及地区可持续发展评价指标”等指标体系，
对矿业城市新型城镇化建设过程中的风险因素进行辨识，最终通过德尔菲法，确定并建立矿业城市新型城镇化建设风险识别因素体系，体系由经济风险、社会风险、生态风险、政治风险等四类风险构成，共包含41项风险因素，基本上覆盖了矿业城市新型城镇化、产业转型及可持续发展的各个方面。具体如图1所示。
2矿业城市新型城镇化风险识别因素实证分析
根据已识别出来的风险因素体系，参考已有文献并结合专家的建议，笔者针对每一个风险因素设置了正反两类题目，调查问卷共包括45个题项，问题答案采用李克特五点量表来表示，请受访者对风险识别结果的认可程度进行选择。
问卷的发放对象包括研究新型城镇化、城市转型方面的专家，矿业城市中的大型能源企业以及矿业城市的居民。其中后两类的范围包括陕西榆林的神华集团神东公司、山西大同的大同煤矿集团以及山西太原的晋能集团下属的共10个矿级单位。问卷的组成为：部分是通过电子邮件的方式进行（主要为相关专家、矿领导及职能部门工作人员），部分为现场走访进行（主要为工人及工矿区居民）。总计发放问卷300份，回收263份，剔除填写不完整、不符合要求等不合格问卷42份，有效回收率为73. 7%，
本次调查的样本基本信息描述：性别比例：男61%，女39%。文化水平：硕士及以上为3%，本科及以上为6%，大专13%，高中为53%，初中及以下25%。2.1探索性分析
2.1.1 各类风险信度检验
对各种类别的风险因素进行分析，经济风险、社会风险、政治风险、生态风险的信度检验Alpha分别为：0. 894、0.842、0.809、0.805，每一类风险的量表都有很高的置信度。具体分析如表1所示。
由表1可看出，“政策法律完备性”这一因素删除之后，其所在子量表的a值会从0. 81提高到0. 9777，有较大提升，因此考虑去除该项。其他指标在删除后，所在子量表的a值不会有太大变化，因此全部予以保留。
2.1.2效度检验
对四类风险的有效样本数据进行效度检验，检验结果显示经济风险、社会风险、生态风险、政治风险的KMO值分别为0.891、0.779、0.739、0.779,均达到显著水平（p=0. 000<0.001），说明四类风险的量表均具有较好的测量效度，并基本适合进行因子分析，具体如表2所示。
样本数据通过效度检验后，运用主成分分析法进行因子分析，对风险因素提取公因子，查看每个因素的因子贡献率，从表2可以看出，经济风险中接续产业风险因素、社会风险中的宽带安装风险因素、综合服务设施风险因素、教育科技风险因素以及生态风险中的污染处理风险因素等的因子贡献率较低．均低于0.5，因此考虑将以上5个风险因素舍去，其余风险因素均予以保留。
2.2验证性分析
根据探索性分析所得结果，对余下的35项风险因素进行验证性分析，绘制各类风险的测量模型图并进行修正，结果如图2～5所示。
从图2～5可以看出，修正后的四个模型均不存在负误差方差，标准化估计的因子载荷在0. 02～0. 93之间，没有超过0.95的值，因而可以满足“违反估计”条件。且四类风险的数据均通过了正态性检验。
根据结构方程模型统计检验量的三种适配度指标对修正后的四类风险的模型适配情况进行检验，得到四类风险模型的各项指标均符合标准要求，表3为修正后的四类风险模型的适配情况。
3 结 论
本文根据矿业城市新型城镇化建设所要实现的目标，识别出了影响矿业城市新型城镇化建设的四大类风险，分别为经济风险、社会风险、政治风险、生态风险，共包括41项风险因素，构建了矿业城市新型城镇化建设风险因素体系。经过对41项风险因素进行探索性分析与验证性分析，最终剔除了6个影响量表信度与效度的风险因素，保留了35项风险因素，该35项因素可以作为矿业城市在新型城镇化建设过程中风险管理的风险识别因素。
