Construction Management and Economics
Bidding strategies vary from contractor to contractor, each of which will have different degrees of sensitivitytowards the factors affecting their bidding decisions. A competitor analysis using a linear mixed model isproposed for use by contractors as part of a more informed approach in identifying key competitors, and as abasis for formulating bidding strategies. The competitiveness between bids is examined according to: (i) projectsize, (ii) work sector; (iii) work nature; and (iv) number of bidders. The model was tested empirically byapplication to a bidding dataset obtained from a large Hong Kong contractor. Allowing for different degreesof sensitivity towards the four bidding variables across competing contractors (i.e. with the model parametersthat varied across competing contractors), the results indicate that competitiveness in bidding of this contractoris generally greater than the majority of its competitors.Keywords: Bidding, competitor analysis, competitiveness.
Introduction
In the construction industry, competitive bidding is usedfor a variety of procurement routes available for satisfy-ing clientsrsquo; construction needs. These include both thetraditional procurement via design-bid-construct, andthe non-traditional ones such as the design-and-build,management contract, and build-own-operate-transfer.While clients will naturally aim to strike the best bargainby maximizing competitive intensity, contractors wouldideally submit a bid offer that is likely to provide the bestpay-off, allowing for the cost and potential risks ofundertaking a particular project. It should be noted,though, that contractors do not always bid for every jobthat comes along but select from a continually changingarray of potential projects (Odusote and Fellows, 1992).Competitive bidding in construction is thereforeconcerned with contractors making strategic decisionsin respect of: (i) project selection whether or not to bidfor a job; and (ii) determination of bid price if contrac-tors opt to bid (Skitmore, 1989). To meet specific firm objectives, bidding strategiesvary from contractor to contractor, and each will havedifferent degrees of preference or sensitivity towardsthe factors affecting their bidding decisions. It has been found in many studies that there are differences inranking of factors which contractors consider whenmaking bid/no-bid and mark-up decisions; see forexample, Ahmad and Minkarah (1988), Odosute andFellows (1992), Shash (1993) and Fayek et al . (1999).This suggests that contractorsrsquo; bidding decisions aredependent on many individual firm-specific character-istics, including some that are unobserved, i.e. thenotion of heterogeneity across contractors. Gonzalez-Diaz et al. (2000) suggest that one may think of theunobserved heterogeneity as the management style of aconstruction firm, which may include the capability ofits manager, the quality of its output and its competi-tive strategy. By adapting the definition of heterogene-ity in Jain et al .rsquo;s (1994) economic behaviour study tothe context of construction bidding, it could beexpected that individual contractors, when confrontedwith a given set of bidding variables (e.g. market condi-tions and number of bidders) exhibit different biddingbehaviour due to (i) differences in overall bidding pref-erences—preference heterogeneity; and (ii) variationsin their responses to the given set of bidding variables—response heterogeneity (Oo, 2007). Empirical studies have been conducted to analysethe bidding behaviour of competing contractors according to various bidding variables such as type andsize of construction work (Drew and Skitmore, 1997),market conditions (de Neufville et al ., 1977; Runeson,1988; Chan et al ., 1996) and number of bidders (Carrand Sandahl, 1978; Wilson et al ., 1987). These modelswere, however, being built on the assumption that indi-vidual contractors can be treated as behaving collec-tively in an identical (statistical) manner—the bidderhomogeneity assumption. It is likely that models at thelevel of individual contractors, instead of collectivemodels, will be needed if there is heterogeneity acrosscontractors. Recognizing the need to consider this,there are only a few studies aimed at establishing theextent to which heterogeneity across contractors existsin practice. Skitmore (1991) has detected the existenceof heterogeneity across bidders in his attempt to derivea probability distribution of bids to represent biddingbehaviour of all bidders in three datasets. At the levelof the effects of bidding variables on contractorsrsquo;bidding strategies, it was found that there is significantheterogeneity across individual Hong Kong andSingapore contractors in their bid/no-bid (Oo et al.,2007, 2008) and mark-up decisions (Oo et al., 2009) inresponse to a given set of four bidding variables. Thesignificant implication of these empirical studies is thatfuture bidding modelling attempts should take intoaccount the possible heterogeneity that exists acrosscontractors. As Hsiao (2003) points out, ignoring suchheterogeneity or individual effects could lead to (i)parameter homogeneity in the model specification; and(ii) inconsistent or meaningless estimates of interestingparameters. The approach taken here was to apply a heteroge-neous approach to modelling individual competitorsrsquo;bidding behaviour. The competitor analysis focuses onindividualized models that consider bidding competi-tiveness of a large Hong Kong contractor relative to agroup of its key competitors according to four biddingvariables, namely: (i) project size; (ii) work sector; (iii)work nature; and (iv) number of bidders. It offers amore informed approach in identifying key competi-tors, and shows that the identified competitorsrsquo; biddingbehaviour provides an aid to greater understanding andopportunities for possible future exploitation by acontractor concerned,
剩余内容已隐藏，支付完成后下载完整资料
工程管理与经济学
承包商投标策略各不相同,每一种都有不同程度的敏感性的因素影响他们的投标决策。竞争对手分析使用一个线性混合模型提出了使用承包商的一部分更明智的方法在识别关键竞争对手,和为基础制定投标策略。检查投标根据之间的竞争力:(1)项目大小、(2)工作部门;(3)工作性质;及(4)投标人的数量。模型是由应用程序来测试经验投标数据集获得大量香港承包商。允许不同程度的敏感性对四个投标变量在相互竞争的承包商(即不同的模型参数在相互竞争的承包商),结果表明,在本承包商的投标竞争力通常比大多数竞争对手。
关键词:招标、竞争对手分析、竞争力。
介绍
在建筑业,竞标用于各种采购路线可以满足客户的施工需要。这些包括传统采购通过设计投标建造模式等非传统设计制造模式,管理建造模式,和建造自己运营移交模式。而客户自然会旨在达成最好的协议通过最大化的竞争强度,理想情况下承包商将提交一个投标报价可能提供最好的回报,允许的成本和潜在风险进行一个特定的项目。不过,值得注意的是,承包商不总是收购出现的每一个工作机会,但选择一系列不断变化的潜在项目(Odusote和研究员,1992)。竞争性招标建设因此关心承包商的战略决策:(1)项目选择是否竞标工作;(2)确定投标价格如果承包商选择投标(Skitmore,1989)。
满足特定的公司目标,承包商报价策略各不相同,每个会有不同程度的偏好或向他们的投标决策影响因素的敏感性。在许多研究发现,有排名的差异因素,承包商投标/非投标和标记决策时考虑;例如,看到艾哈迈德和Minkarah(1988),Odosute和研究员(1992)、Shash (1993)和Fayek et al。(1999)。这表明,承包商的投标决策依赖于许多个别公司特有的特征,包括一些未被注意的,即在承包商异质性的概念。Gonzalez-Diaz et al。(2000)表明,一个可能认为观察到的异质性的一家建筑公司的管理风格,其中可能包括经理的能力,其输出的质量和竞争策略。适应异质性的定义在耆那教等。(1994)的经济行为研究施工招标的上下文中,它可以预期,个别承包商,当面对一个给定组投标变量(如市场状况和投标人的数量)表现出不同的投标行为由于：(1)的差异总体招标参数选择-选择权异质性;(2)变化的响应给定的一组投标变量响应的异质性(Oo,2007)。
实证研究进行分析承包商根据各种投标竞争的投标行为变量的类型和大小等建设工作(Drew Skitmore,1997),市场状况(de Neufville et al。陈,1977;Runeson,1977;et al。,1996)和投标人的数量(Carrand Sandahl,1978;威尔逊et al。,1987)。然而,这些模型都是建立在假设个体承包商可视为集体行为在一个相同的(统计)态度的投标人同质性假设。模型很可能在个体水平的承包商,而不是集体的模型,需要在承包商如果有异质性。认识到需要考虑这一点,只有少数研究旨在建立的程度在承包商在实践中存在异质性。Skitmore(1991)发现异质性的存在,在他试图得到投标人投标的概率分布来表示所有投标人的投标行为三个数据集。的投标承包商的投标策略变量的影响,发现有显著的异质性在个人香港和新加坡承包商在投标/非投标(Oo et al .,2007年,2008年)和标记的决定(Oo et al .,2009)在一个给定的一组四个投标变量。这些实证研究的重大意义是未来投标造型尝试应考虑到可能存在的异质性在承包商。萧(2003)指出,忽略这样的异质性和个人效应可能导致：(1)参数模型中的同质性规范;(2)不一致的或无意义的有趣的估计参数。
这里采取的方法是应用异构建模方法各个竞争对手的投标行为。竞争对手分析关注个性化模型,考虑香港大型承包商的投标竞争力相对于一群关键竞争对手根据四个投标变量,即:(i)项目规模;(2)工作部门;(3)工作性质;及(iv)投标人的数量。它提供了一个更明智的方法在识别关键竞争对手,并表明,确定竞争对手的投标行为提供了一个帮助更大的理解和未来可能的机会开发由承包商而言,特别是对于制定报价策略针对竞争对手的关键。
竞争对手分析
竞争对手分析施工招标实质上是关于比较承包商投标价格的基础上竞争。对于大多数实用目的,充分考虑投标与基线之间的竞争力在考虑投标(Drew Skitmore,1993)。摘要出价最低的是作为基线,代表的优势最大程度的竞争力投标的时候。不仅是确定的最低报价中标承包商的身份,而且特定项目的具有法律约束力的合同价值在绝大多数情况下(Merna和史密斯,1990)。共同使用的衡量竞争力的投标采用是表达上面报价最低的投标的比例,即BCP投标竞争力的百分比,x th是承包商的投标竞争,x是最低进入竞标一个项目的价值。BCP越低,表明更大的竞争力,反之亦然,最小和最大的竞争力是无限与零之间的约束,分别。应该注意的是,另一种基线的最低报价是一个项目的承包商的成本估计。这种方法确定承包商之间的竞争力关系的成本估计和其竞争对手的报价。然而,这超出了本文的范围来考虑这个替代措施,因为大香港有关承包商不愿意透露这些信息。
除了基准选择、造型的主要关注竞争对手的投标行为是投标数据集的性质。招标数据集通常由多个观察每个竞争的承包商在规定的时间内将投标的重复性质的尝试。重复测量自然的合成数据样本通常被称为一个面板中,或在许多统计文本纵向数据集。问题,利用面板数据集需要特别考虑在分析:(1)相关倾向多个观测同一个人通常会表现出正相关,和独立的关键假设这种相关性失效,即许多标准统计技术(如基石,普通最小二乘法(OLS)回归分析);(2) 非均质性的偏见——个人的反应模式很可能取决于许多个人的特点,包括一些难以察觉的(Fitzmaurice et al。,2004)。
Oo et al。(2009)使用一个线性混合模型(LMM)占投标数据的相关性和异质性的偏见。两个人相关的线性混合模型由承包商的标记决定四投标变量,即:(1)市场条件;(2)投标人的数量;(3)项目类型;及(4)项目的大小。不同细化拦截和斜坡模型演示了各个承包商的不同程度的向四个投标变量的敏感性。LMM这个非常有吸引力的方面获得细化参数估计显然有许多潜在的用途造型承包商的投标行为。此外,LMM不需要相同数量的观察测量的每个主题也被在同一组测量场合(Fitzmaurice et al。,2004)。灵活地适应任何程度的不平衡的重复测量数据,利用所有可用的测量是一个重要的考虑在投标模型。这是由于承包商并不总是竞购时,每一份工作每一个投标机会是一个不同的测量场合(如不同的项目类型和大小)。本文LMM适用于竞争对手分析在施工招标,使用承包商投标数据集收集的大量香港。
非竞争性投标的存在是另一个复杂因素在竞争对手分析。Skitmore(2002)发现,研究人员使用的方法将非竞争性报价不一致,很大程度上任意的在他的研究策略识别非竞争性投标。他分类搜索者分为两组——那些喜欢非竞争性投标被包括在他们的模型和那些希望排除他们从模型中,到目前为止,大的是前者。本研究属于前者,因为非竞争性投标做定期出现在投标竞争。
数据集
数据集,包括110年连续竞价的尝试获得了公共部门的工作从一个大香港承包商(其将出价1000)呼吁1999年1月到2003年12月(Drew，2006年个人交流)。虽然不知道有多少其他合同1000年被投标人投标期间,几乎所有的可能,如果不是全部,其投标期间被检查。对于每一个竞标,Bidder1000保存的信息包括所有竞争的投标人的投标,部门,工作性质,投标人的数量和最低报价。
线性混合模型的发展
线性混合模型(LMM)OLS回归分析的扩展,已经成为一种常规分析框架以来基本论文Laird和制品(1982)。类似于OLS回归分析,模型假定一个连续的因变量线性相关的一组独立的变量,但是需要额外的工作模型规范和随后的拟合优度检验(见Verbeke和Molenberghs(2000)为模型构建过程)。LMM的基本前提是,一些随机回归系数的变化从一个个人的子集(主题)到另一个,从而占人口的异质性。由此可见,基本上有两种组件组成LMM,即固定效应和随机效应。固定效应是假定为平均每概要文件共享的所有单个投标人的人口,和主题特定适应主客体之间变异性的随机效应影响个人特有的投标人(见Fitzmaurice et al。,2004)。为了解决异构性问题,这里采用的模型建立过程是先假设有显著的异质性在相互竞争的投标人(1)整体投标的参数选择与选择权的(拦截)异质性;和(2)的变化对一个给定的一组投标变量响应的(坡)异构性,影响他们的投标竞争力。
在接下来的分析中,每个投标人竞争被分配一个四位数的代码保持匿名。报价和最低报价已更新到公共基础日期(即2003年12月),使用投标价格指数发布的香港建筑服务部(2008)。竞争力,表达的形式BCP(方程1)作为因变量。四个独立变量被认为是在分析竞争力差异竞争的投标人。更新后的最低报价,定量的独立变量,然后采取意味着项目大小、年代(mil港元)。
随机效应反映的细化程度预测资料偏离总体平均每预测剖面。每个投标人变化不仅在他们拦截(beta;0 0我),但也的反应的变化(山坡)的独立变量。例如,平均每,beta;2的负号表明BCP减少(即变得更具竞争力)作为投标人的数量的增加,投标人1000 b有负面的,它是指投标人1000有陡峭的利率降低BCP比平均每超过数量的竞标者。这样的估计是感兴趣的在竞争对手分析提供一个洞察内在主体异质性的买家竞争。它允许一个识别的一个关键竞争对手最大的增加或减少其竞争力在投标,根据给定的一组投标变量。
分析
以下分析报告两部分。描述性分析110年110投标的投标人根据工作部门和工作自然是在第一部分的分析报告。在第二部分的分析中,最常见的投标人竞争,即那些遇到出价1000十倍或更多选择LMM分析。认为获得的结果将更能代表只考虑那些关键竞争对手的投标尝试。事实上,使用关键的选择竞争对手的投标尝试分析进一步合理的投标竞争力和频率之间的正相关投标的尝试(Fu et al .,2002)。
三个LMMs探索开发的投标人1000的投标竞争力如表1所示。应该注意,不仅关键竞争对手的投标被视为分析,但也从投标人1000投标。通过这种方式,投标人1000的投标竞争力年检查相对于其主要竞争对手。
投标的总数LMMs 2和3(722)低于LMM 1中使用的报价数量不足10个(839),因为那些投标人投标(n lt; 10)在一般建筑或土木工程部门工作已经被排除在分析之外。例如,出价1030一般只有九个竞标建设工作已排除在LMM 2中,所有35个土木工程的竞标工作时已经包含在LMM 3。在这种情况下,只有投标人1023和1125遇到投标人1000工作领域的十倍或更多。
结果
描述性分析表明投标人1000年提交了110条投标的整体平均收购价值1.19亿港元,港元从5到6.82亿港元(表2)。整个BCP出价1000年平均17.92%以上的最低报价基准。110招标投标人110是最低的投标人八次,四个每个新通用建筑和土木工程合同。这代表了一个投标成功率1在13.75中,这似乎是一个合理的利率平均为每个合同12竞争的投标人。表2还显示110击穿110投标的投标人根据工作部门和工作性质。
使用t测试统计推论,F测试和可能性ratio-tests表明,最佳LMM 1包含三个预测变量,即:(1)项目规模(年代);(2)工作部门(WS);(3)工作性质(WN)。在测试的假设有显著的异质性在相互竞争的投标人的截获和斜坡响应,Wald-test表明一个更简单的随机拦截模型(瓦尔德Z = 2.387,p = 0.017)提供了足够的数据集的描述。
实用性
尽管很难获得本文中使用的数据集,这是认识到承包商足够努力可以获得他们的竞争对手的竞标无论似乎适合自己的目的。事实上,承包商通常可以访问可能的竞争对手的数量和身份通过个人接触(如混凝土供应商或承包商),通常将报价提交给一群承包商竞争一个特定的项目。Drew和研究员(1996)发现,受访者获得投标来自各种数据源的数据,包括:竞争对手,分包商,友好的熟人,供应商和报纸。可能还有一个可能性,收集的数据不太耗时和昂贵的承担,如果客户公开披露招标数据。例如,新加坡政府电子采购门户GeBIZ使投标结果(称为招标时间表)网上公开的名称和报价提供所有投标人竞争。
就像本文所演示的,LMM显然有许多潜在的用途在施工招标竞争对手分析。识别竞争对手的报价行为提供了援助,更大的理解和未来可能的机会开发由承包商而言,特别是在制定报价策略针对竞争对手的关键。其他可能的投标变量的诊断价值,例如,现行市场状况,竞争对手的需要工作和投标成功率也可以包含在一个类似的分析进一步揭示方面的竞争对手的报价行为。
在成本方面,应用程序的LMM廉价进行竞争对手分析。它是现成的商业统计软件包SPSS、SAS,R,高级别,Stata。如果开发人员的LMMs已经支付了本研究她的时间发展模型在当前工资率,总成本约3000美元。对于有意义的造型,定期更新,或许每12个月,会建议,然而,以确保一个看不见的模式的竞争对手的报价行为尚未发生,这可能改变关键竞争对手的身份。
结论
在考虑投标数据集重复措施的性质,本研究应用了线性混合模型(LMM)在施工招标竞争对手分析。这种分析技术解决了相关性和异质性偏见投标数据集。然而,它使细化参数的预测估计,证明个体竞标者不同程度的敏感性对给定的一组投标变量,即:(1)项目规模;(2)工作部门;(3)工作性质;及(4)在投标的投标人的数量影响其竞争
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[506675]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
