PPP模式通过引入社会资本的资金和能力,不仅可以解决政府的财政问题,还能为社会公众提供更高质量的基础设施和服务,因此受到了我国政府的大力支持和推广。但是随着PPP规模的不断扩大,签约率、落地率“双低”问题也逐渐显现,这表明社会资本参与PPP项目的意愿并不总是积极的。目前已有学者认识到了这个问题,并从多个方面讨论了影响社会资本参与PPP项目的关键因素,但是这些研究多是使用统计分析的方法,这种方法不仅受限于数据量与数据维度的大小,而且主要是用于因果推断无法实现有效预测。随着信息时代的发展,学者们逐渐认识到数据挖掘技术不仅可以用于行业研究,在学术研究中同样能够发挥作用。基于上述背景本文采用数据挖掘技术探索社会资本参与PPP项目的潜在信息,对影响社会资本参与PPP项目的关键因素进行全面的分析,为政府激发社会资本参与热情提供决策支持。本文先是爬取了CPPPC项目管理库中的项目信息,在对相关文献进行研究之后,从地方政府、宏观经济、市场环境三个角度扩充了数据维度,随后经过数据整合、数据清洗、数据转换、相关性分析等数据处理过程,发现数据类别存在不平衡现象,因此使用了ADASYN对样本进行过采样处理来达到平衡正负样本的目的。之后建立Random Forest、XGBoost、Light GBM三种集成学习模型来预测PPP项目中社会资本的参与度,并通过混淆矩阵、F1-score、AUC-ROC曲线来评估模型的有效性,发现三种模型都表现出了较好的性能,但XGBoost模型的预测效果更好。因此,使用SHAP方法对XGBoost模型进行可视化的解释分析,分别从特征和样本的角度讨论各个特征是如何对社会资本的参与产生影响。结果发现:在项目属性上,社会资本在参与PPP项目时具有明显的选择偏好,其更倾向于选择有稳定现金流的政府付费模式和私有化程度高的运行方式,另外项目自身的高额投资和建设难度都是阻碍社会资本参与的主要原因;在地方政府因素上,社会资本更愿意与经济丰富、财政殷实且透明、工作高效且清廉的政府合作;在宏观经济因素上,经济环境稳定性对于社会资本的吸引力更大;在市场环境因素上,通过加深市场化进程,推进非国有经济发展可以有效的提升社会资本的参与意愿。最后,基于以上研究结果,对如何提升PPP项目中社会资本的参与度为政府提供了针对性的建议。