经评审的最低价法投标报价有效性的合理确定——B4(有效最低价之修正计算总价中位值法)解析

经评审的最低价法投标报价有效性的合理确定

——B4（有效最低价之修正计算总价中位值法）解析

安徽公共资源交易集团盛震生

摘要：建设工程施工项目合理低价的确定长期以来一直是全国各地研究的重点。合肥市在多年研究有效最低价的基础上，探索出多种评审办法，本文对其中的修正计算总价中位值法进行了深度解析，重点分析了如何在依据投标报价平均值的基础上，通过一系列的数据修正，最大限度的降低围中标的概率，真正体现各投标单位报价的真实水平。

关键词：总价中位值、平均值与中位值对比、数据模型修正、合理性修正、指标、有效值

国内建设工程施工招投标评审办法主要包括：综合评分法和经评审的最低价法，对于招投标人来说，两种方法各有利弊是众所周知的。其中经评审的最低价法主要优点在于评审办法严谨明晰，排除人为干扰，避免招投标腐败，但与此同时，诸多人也对其诟病，认为易导致恶意低价中标，从而增加施工管理难度，降低工程质量。

姑且不论是低价中标导致现场管理无力还是现场管理无力导致低价中标，我们首先分析经评审的最低价法中投标报价的有效性判定。《房屋建筑和市政基础设施工程施工招标投标管理办法》中第四十一条表述：采用经评审的最低投标价法的，应当在投标文件能够满足招标文件实质性要求的投标人中，评审出投标价格最低的投标人，但投标价格低于其企业成本的除外。

但实际评审过程中，投标人的企业成本很难界定。为避免恶意低价中标，各地多以所有投标报价的平均值作为对比因素，也有对低于一次平均值的报价进行二次平均的，一次平均和二次平均再平均，或将控制价、平均值分别按一定比例合并计算等，据以计算最终的有效值。

上述办法各有利弊，且不可否认，当围标家数达到一定数量时，最终有效值仍容易被控制。在当前信用体系还不完善，无法按照发达国家惯例采用最低价中标，且围标单位的手段越来越隐蔽，难以快速查实的情况下，如何进一步优化商务标评审办法，加大围串标难度，最终既避免恶意低价中标，又鼓励投标人合理竞价，同时有效排除围串标的数据干扰，就成了我们研究的方向。对此，安徽公共资源交易集团多年来对此进行了深入的研究，本文介绍的即为集团研究成果，目前在合肥市普遍使用的有效最低价评审办法之一：修正计算总价中位值法，简称B4评审办法。

修正计算总价中位值法，顾名思义，就是综合考虑所有投标人的总报价基础上，采用中位值的思路代替传统的平均值，同时对异常报价数据进行修正，并对修正后的数据重新计算中位值的方法。

一、传统商务标计算方法的不足

传统综合评分法或经评审的有效最低价法中，商务标满分条件（综合评分法）或有效值的计算（经评审的最低价法），多采用最低价法或平均值下浮法，其中平均值下浮法，主要方法为将各投标报价按大小排序，分别去除一定比例最高最低部分报价后，取剩余投标报价的平均值，乘以随机确定的下浮系数，得出有效值。也有对平均值以下报价进行二次平均，或者一次平均与二次平均再次进行平均，作为有效值计算基数。

也有将控制价占一定比重与投标人平均价合

41

42 并计算，以降低投标人报价影响，适当体现控制价合理性的，但仍然脱离不开平均值影响。

在一个正常报价或数据干扰不强烈的项目中，采用平均值是可行的。我们将投标单位的报价数据从大到小排序，并分别按相对于控制价的不同降幅

区间归集，进而建立一个基本的数据模型，如下图所示：

采用平均值满分的报价数据模型 不论从实际数据还是推理都可以看出，在采用平均值满分的项目上，正常项目投标报价组成的数据模型一般为纺锤形，呈现出中间价格数据多，高价、低价部分数据少且分布较均衡的形状。

在采用平均值下浮满分或有效的评审办法，正常投标报价组成的数据模型则近似水滴状，呈现出平均值附近数据多，高于平均值的报价数据越高越少，低于平均值的报价数据则相对集中，呈现圆底形状。

采用平均值下浮满分的报价数据模型

从正常项目数据模型看，平均值或二次、三次平均可以起到很好的确定有效值的作用。但实际上，投标人干扰数据或者说围标的现象很多，从数据模型上看，围标数据呈现出以下形状：

围高标的报价数据模型

上图可以看出，在高价部分堆砌大量数据，直接将平均值控制在高价部分，对于二次或一二次再次平均的，高价部分堆砌足够多的数据，将二次平均值仍然落在高价区域，也是完全可能的。

综上，平均值下浮的缺点在于抗干扰能力差，一旦投标人抱团报高价，很容易控制有效值，进而达到围高标的目的，现实情况也多是如此。对此，一方面我们需要采用经侦手段打击围标串标，另一方面，我们也可以寻找相对更科学的评审办法中，进一步增加其围标难度。

二、一般总价中位值法原理及优点

总价中位值法是在传统平均值的基础上，进行数据二次加工，对超出平均值上浮或下浮合理幅度范围的报价，无论数量多少，均分别只视同为一家，取其算术平均值，与平均值上下浮动范围以内的所有报价，

共同形成新的报价数据，并按大小排序后，取最中间的一个数（或最中间两个数的平均）作为中位值，以代替传统平均值，乘以随机抽取的下浮系数后，得出最终的有效值。数据模型及修正办法如下：

从上图可以看出，先计算平均值，按平均值上下一定比例划出区间，上、下区间无论投标数据多

43

少，均分别只视同为一家，与中间区间所有数据一并形成新数据序列，取最中间一个值（奇数列）或最中间两个值的平均值（偶数列）为中位值，即总价中位值。

相比传统平均值，总价中位值在一次平均的基础上，将过高过低的报价仅作为一家，以中位值代

替平均值，一定程度上起到了防干扰效果。

三、针对一般总价中位值的数据干扰现象与分析

但实际应用中，仍然可以继续加大数据干扰，将一次平均值控制在高价区域，相对应中间区域涵盖高价数量大于低价数量，从而使中位值仍然控制在高价区域，如下图所示：

可以看出，上图中间区间包含了大量的高价数据，中位值必然位于高价数据组中。

针对上述模型（高价部分数据过多，呈现为坛子状数据模型）进行分析，我们发现明显与正常数据模型尤其是有效最低价评审办法下的水滴状数据模型不一致，属于异常数据模型

针对异常数据模型，可对其进行修正。 四、采用数据模型修正遏制高价围标 修正包括两方面内容：修正触发条件和修正规则。

（一）数据模型修正触发条件 即什么条件下启动修正。

结合大量的有效最低价评审方式下的投标报价历史数据，

并分析理想状态数据模型，我们得出，

在有效最低价正常项目或理想模型情况下，中位值应略低于平均值或近似相等，根据项目标的额大小不同，采用中位值相比控制价的降幅与平均值相比控制价的降幅，能更准确的反映对比程度。

异常项目数据模型一般包括三类：坛子状、烛台状以及双哑铃状，如下图所示：

1、坛子状：体现在超高价部分数据明显偏多，此时中位值降幅明显位于平均值降幅以上；

2、烛台状：体现在超低价部分数据明显偏多，此时中位值降幅远远位于平均值降幅以下；

3、双哑铃状：体现在超高价、超低价部分数据均很多，中位值降幅与平均值降幅对比存在不确定性。

综上所述，我们认为中位值降幅与平均值降幅差别过大的，均属于异常项目，由此可以设置二者降幅差达到一定程度时，即触发数据模型修正。考虑到不同项目投标报价数据具有偶然性，我们可以设置为：（中位值降幅－平均值降幅）在一定区间