A Structural Equation Model on Critical Risk and Success in Public–Private Partnership: Exploratory Study
Notice bibliographique
Résumé
In construction, risk is inherent in each project, and success involves meeting defined objectives beyond budget and schedule. Factors vary for infrastructure projects, and their correlation with performance must be studied. In the case of public–private partnership (PPP) transportation, the level of complexity is higher due to more involved parties. Risks and success factors in PPP projects affect each other, which may lead to project failure. Recognizing the critical risk factors (CRFs) and critical success factors (CSFs) is indispensable to ensure the success of PPP infrastructure project implementation. However, the existing research on the PPP risk and success relationship has not gone into sufficient detail, and more support to address the existing gaps in the body of knowledge and literature is necessary. Therefore, in response to the missing area in the public–private partnership transportation industry, this paper analyzed the correlation between PPP risks and success factors. It identified, explored, and categorized various risk and success factors by combining a literature review, expert panel interviews, and a questionnaire survey among both the public and private sectors, a win–win principle. The data collected were analyzed using the structural equation modeling (SEM) approach and relative significance. Results show the relationship between risk and success factors, their influence on PPPs, and the most important factors, known as CRFs and CSFs, with high loading factors (LF > 0.5) and high relative importance (NMS > 0.5). The top five CRFs include “Contract quality (incomplete, conflicting)”, “Staff expertise and experience”, “Financial market risk”, “Conflicting objectives and expectations”, and “Inefficient feasibility study”. The top five CSFs were found as “Appropriate risk allocation and risk-sharing”, “Strong financial capacity and capability of the private sector”, “Government providing guarantees”, “Employment of professional advisors”, and “Realistic assessment of the cost and benefits”. This study advances the understanding of risk and success factors in PPPs and contributes to the theoretical foundations, which will benefit not only public management, policy consultants, and investors but also academics interested in studying PPP transportation projects.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».