کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6748166 | 1429670 | 2015 | 12 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Performance measurement and the prediction of capital project failure
ترجمه فارسی عنوان
اندازه گیری عملکرد و پیش بینی شکست پروژه سرمایه
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
این مقاله بررسی چگونگی تغییرات در عملکرد مدیریت پروژه در مرحله اجرا بر نتایج پروژه در تکمیل تأثیر می گذارد. در حالیکه شناسایی عوامل کلیدی عملکرد مدیریت پروژه بسیار مهم است، مطالعات اندکی از قدرت تبعیض آماری متغیرهای عملکرد برای پیش بینی شکست پروژه سرمایه در تکمیل استفاده می کنند. با استفاده از 130 پروژه سرمایه و یک طرح طولی، این مطالعه یک مدل اندازه گیری عملکرد را بر اساس تغییرات در عملکرد مدیریت پروژه در طی مرحله اجرا فراهم می کند. تجزیه و تحلیل رگرسیون لجستیک سلسله مراتبی بعد توضیح خوبی در مورد تغییرات شکست پروژه های سرمایه و دقت طبقه بندی بالا را نشان می دهد. اعتبار داده های خارج از نمونه نشان می دهد که مدل مطلوب نرخ کلی تقسیم بندی کلی به میزان 81.54٪ را ارائه می دهد. در نهایت، یافته های ما نشان می دهد که تغییرات عملکرد در مرحله اجرایی بخش مهمی از نتایج پروژه را توضیح می دهد و مهمتر از همه، پیش بینی های مفید برای شکست پروژه است.
موضوعات مرتبط
مهندسی و علوم پایه
سایر رشته های مهندسی
مهندسی عمران و سازه
چکیده انگلیسی
This paper examines how changes in project-management performance in the execution phase affect project outcomes at completion. While identifying the key determinants of project-management performance is critical, few studies examine the discriminatory power of performance variables for predicting capital project failure at completion. Using 130 capital projects and a longitudinal design, this study develops a performance-measurement model based on changes in project-management performance during the execution phase. Subsequent hierarchical logistic-regression analysis reveals a good explanation of the variation in the failure of capital projects and high classification accuracy. Validating out-of-sample data demonstrates that the optimal model provides a reasonably good overall classification rate of 81.54%. Ultimately, our findings suggest that performance changes in the execution phase explain an important part of project outcomes and, more importantly, are useful predictors for project failure.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Project Management - Volume 33, Issue 6, August 2015, Pages 1393-1404
Journal: International Journal of Project Management - Volume 33, Issue 6, August 2015, Pages 1393-1404
نویسندگان
Hong Long Chen,