STATISTICAL CHARACTERIZATION OF PROJECT COST DEVIATIONS BASED

ON META-ANALYSIS
Abstract

Key Words:

1 INTRODUCTION/MOTIVATION/RATIONALE
There is evidence that indicates that cost deviations is a worldwide phenomenon influencing all kind
of projects. Projects localized in different regions have suffered cost deviations: Africa (Awojobi, 2016),
Asia ( ), Europe ( ), Latin America ( ), North America, and Oceania ( ). Different type of projects have
showed cost deviations as well: heavy and infrastructure construction (Flyberg, 2003), residential,
commercial and industrial (Oladapo, 2007). These cost deviations reported in the specialized literature
are also evidence of the inherent nature of variability and uncertainty in construction projects. The
context of construction projects is complex, with several internal and external factors influencing on
theirs costs (Bennett and Ormerod, 1984), which deserves special attention to understand such cost
deviations.
Consequently, a substantial number of publications related to cost overrun shows that this
phenomenon has been of interest for researchers along last decade. A preliminary search of studies
reported between 1985 and 2017 in the database SCOPUS ®, identified 228 articles on cost deviations
related to construction projects and 202 articles related to engineering projects, with a clear annual
growth of publications since 2000 (see Error: Reference source not found).

Figure 1 Historical data of publications related to project cost deviation

Project Cost Deviations

30

25

20
Publications

15

10

0
1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015 2017

Cost Deviation & Construction Project Cost Deviation & Engineering Project
Note: Search by December 11, 2017

Although there is an important number of publications that address cost deviations in construction
and engineering projects, there is a lack of adequate reports that allow a comprehensible characterization
of this phenomenon so that researchers to understand its features and find effective solutions to mitigate
it. Construction research faces inconvenient to satisfy all conditions of a well random-sample-based
research design that minimizes the chance of bias within the data, due to project-oriented nature of
construction industry and uniqueness of projects. Nonetheless, some authors have observed, over the
last decades, an increasing trend in the specification of formal research methods in the studies, that can
afford the foundation for further formalization and development of research with clearly argued
contributions to knowledge (Taylor and Jaselskis, 2010).
 A great deal of research in construction management often relies on non-experimental designs
(Abowitz and Toole 2010). Non-experimental designs many times imply n onrandom samples, small
sample size, and non-standardized-available data. Thus, convenience samples are frequent in
construction management research (Tran, Lester, and Sobin, 2014). Although convenience sample offers
some advantages for the research design, this kind of sample holds weak external validity property due
to the limitation with regard to the accuracy of estimates and its generalizability to larger populations
(Abowitz and Toole 2010; Fellow and Liu, 2008). Therefore, it is important to evaluate the statistics of
cost deviations reported in the studies and characterize such deviations to contribute in the
understanding of this phenomenon. However, some studies do not inform readers neither the sampling
type that used for the studies, the basic information to describe the sample, information of the research
design of the study.
In order to fulfill these needs, this study characterized statistically the cost deviations of construction
and engineering projects reported from 1985 to 2017 in the specialized literature, and evaluated the
quality and usefulness of the statistics reported by those studies. Specifically, the study characterized
primary research by descriptive statistics, confidence intervals and effect size of cost deviations of
projects and evaluated the quality of statistics reported by such primary studies. A systematic review of
cost deviations publications related to the magnitude of uncertainty involved and the size-effect of such
deviations can afford managers understanding of different dimensions of cost deviation in construction
projects.

1.1 Project Cost Accuracy

The International Recommended Practice No. 56R-08 of the American Association of Cost Engineers
stablished expected accuracy ranges of final project cost based on the maturity level of construction
project design (AACE, 2012). According to this guidelines, for a project with a level of project design
definition more than 65%, the expected variability of its actual cost will be between -5% and 10%, which
represents a typical percentage of variation of actual cost from the cost-baseline, after application of
contingency. Consistently, for considerations of this study, projects with final cost deviations greater than
10% will be named over-budget projects, and those projects with final cost deviations lower than -5% are
named under-budget projects.

Cost deviation

Cost escalation

Contingency

1.2 Statistical Reports of Research

Experimental design is no common research in construction and engineering management (CEM) due
the complex nature of projects; however, non-experimental and descriptive research is more suitable to
the data availability conditions and random sampling constraints. Thus, there is a room to explore how to
report the statistics in research papers. Tran, Lester, and Sobin (2014)

1.1.1 Required sample conditions: sample size, normality, randomness and source of data, external
validity
1.1.2 Basic descriptive statistics

1.1.3 Confidence intervals and sample error

1.1.4 Effect size

2. RESEARCH METHODOLOGY
In order to achieve the aim proposed, this study used a meta-analysis approach to characterize and
evaluate the statistics information reported by the studies.

3.1 Meta-analysis

Meta-analysis is systematic review of literature that responds to research problems through the
objective and methodical integration of the results of primary research to generalize conclusions
published. Meta-analysis critically evaluate and summarize the results of other studies, which constitutes
scientific evidence to improve practice in a particular discipline [14][15: p. 6].

La metodología empleada para el presente estudio se ciñ ó específicamente a la metodología de revisiones

sistemáticas. Los pasos a seguir fueron: (1) formulació n del problema; (2) definició n de los criterios de selecció n y
bú squeda de los estudios; (3) codificació n de las características de los estudios que respondan a los objetivos del
estudio; (4) aná lisis e interpretació n de evidencias y (5) conclusió n [14, 15: p. 9, 16].
El primer paso consistió en formular de forma clara los objetivos de la revisió n sistemá tica, lo que permitió
definir de forma teó rica y operativa las variables y sus relaciones. Esta definició n de variables y relaciones
determinó el tipo de evidencias requeridas para caracterizar los sobrecostos de los proyectos de construcció n,
discriminados de acuerdo a la localizació n geográ fica.

3.2 Variables: Conceptual and Operational Definitions

Definició n operacional
Identificació n de variables

Cost deviation in engineering projects differs from those in construction projects (non-directional
hypothesis).
Cost deviations are higher in engineering projects than in construction projects (directional
hypothesis).

3.3 Strategy to identify relevant primary studies

 Duplicate documents
 Method of handling abstracts
 Sections read of papers
 Data extraction strategy (information collected, how data were classified and coded)
 Synthesis of the retrieved data

El siguiente paso consistió en localizar los estudios relevantes que pudieran aportar evidencias. El proceso
empezó con la bú squeda y selecció n preliminar de artículos en las siguientes bases de datos: ASCE, EBSCO, Emerald,
Science Direct, Springer, Taylor & Francis, y Web of Science. Las ecuaciones booleanas de bú squeda que se
emplearon en estas bases de datos, se plantearon con base en las siguientes palabras clave en inglés: “cost overruns”,
“cost underruns”, “cost deviation”, “cost growth”, “engineering projects” y “construction projects”.
 Include – flowchart for articles sample

ASCE EBSCO Emerald Science Direct Springer Taylor & Francis Web of Science

Criterios de bú squeda:
1) “cost overruns”, “cost underruns”, “cost
desviation”, “cost growth”, “engineering projects”
y “construction projects”.
2) 1985 - 2016

Eliminació n de
artículos
repetidos

112 Artículos

(-)18 Marco
Teó rico & (-)15 No Aplican
Discusió n

79 Evidencia

(-)39 No
soportan el
Objetivo

40 Soportan el
Objetivo

(-)11 Muestras
repetidas o no
desagregables de
proyectos

29 Muestra Final

Figura 2. Flujo de selección de artículos para la muestra final

La bú squeda se acotó en el tiempo, y como criterio de inclusió n de artículos se condicionó al período 1985 a
2016. Se utilizaron ademá s, algunos criterios de exclusió n en la bú squeda, como la posibilidad de descargar el
artículo, artículos en idiomas diferentes al inglés, y artículos publicados que no fueron sometidos a un proceso de
revisió n a ciegas por pares especializados. Dicha bú squeda y selecció n preliminar permitió consolidar una muestra
inicial de 112 artículos (Figura 2).
Una posterior selecció n y clasificació n de artículos estuvo a cargo de tres investigadores con experiencia en el
tema de sobrecostos: Un investigador con título de doctorado y má s de 20 añ os de experiencia; otro investigador,
estudiante de doctorado, con má s de 5 añ os de experiencia; y un investigador, estudiante de maestría, con má s de un
añ o de experiencia. Esta clasificació n se hizo de acuerdo al aporte que podría ofrecer cada artículo disponible al
presente estudio, ya sea como documento para fundamentació n-discusió n, evidencia o simplemente que no aplicara
(N/A). La clasificació n arrojó que el 71% (79 de 112) de artículos presentaban evidencia cuantitativa para el aná lisis
del estudio (Tabla 2).
Tabla 2. Clasificación de artículos por tipo de aporte

Tipo de aporte N %
Fundamentació n/Discusió n 18 16%
Evidencia 79 71%
1
N/A 15 13%
Total 112 100%
1
N/A: No aplica
 El grado de confiabilidad del proceso de clasificació n de artículos logrado por parte de los evaluadores fue
estimado con base en el porcentaje de coincidencia y el coeficiente Kappa de Cohen. El porcentaje de coincidencia
entre el par de investigadores con menos experiencia y el investigador con mayor experiencia fue de 69,6%
(78/112), con un intervalo de confianza IC del 95% (60,2%; 78,0%). De manera individual, los porcentajes de
coincidencia de cada evaluador con relació n al evaluador de mayor experiencia son mostrados en la Figura 3.
Finalmente, el porcentaje de coincidencia entre los tres evaluadores indicó un 77,7% (87/112), con IC del 95%
(68,8%; 85.0%) y un coeficiente de Kappa = 0,49, lo que representa un buen nivel de confiabilidad en los
procedimientos de clasificació n de artículos.

Evaluadores vs Evaluador Referencia

90 95.0% CI
Percent

85
Porcentaje (%)

80

75

70

65

Evaluador JB Evaluador OS

Figura 3. Porcentajes de coincidencia entre evaluadores

3.3 Data collection/ Search Procedures
En esta investigació n se realizó una revisió n sistemá tica de la literatura publicada entre los añ os 1985
hasta 2016 de los diferentes artículos relacionados a las desviaciones de costo con ciertos criterios de
bú squeda como palabras claves, las fechas de las publicaciones, segú n el tipo de revista entre otros. Se
utilizaron las siguientes bases de datos:
1. American Society of Civil Engineers - ASCE
2. Web of Science
3. Science Direct
4. Springer
5. Tailor & Francis Online
6. EBSCO
Para establecer el criterio de bú squeda se utilizaron palabras claves segú n el tema central
desviaciones de costo entre las que se usaron está n:
1. Cost estimating
2. Cost estimation
3. Cost underestimation
4. Risks
5. Cost growth.
6. Cost underruns/underbudget
7. Cost overruns/overbudget
8. Cost escalation
9. Cost analysis
10. Cost deviations
Una vez realizada la bú squeda con los diferentes filtros se encontraron varios tipos de proyectos en lo
cual hicimos énfasis solo en los proyectos de ingeniería y construcció n
Tabla de excel

Inclusion and Exclusion Criteria

1. Data bases selection

(Se realizó una capacitació n sobre los recursos electró nicos con los que cuenta la UIS_[AG])

2. Combination of search words (Boolean search)

3. Publication date
4. Language
5. Available to download
6. Type of projects
7. Type of studies (peer-reviewed journals, conferences papers, theses)
3.4 Assessment of study quality Sample
 Articles identified
 Duplicated
 Removed after abstract review
 Articles that not meet information criteria after full text review
 Final number of articles included in the analysis

De los 79 artículos que ofrecían evidencia cuantitativa, finalmente 29 fueron seleccionados para caracterizar los
sobrecostos de los proyectos de acuerdo a la localizació n geográ fica donde se desarrollaron. Se evaluó la calidad de
cada estudio para establecer similitudes y diferencias y discutir las fuentes de sesgo que podrían haber influenciado
los resultados.
La composició n de la muestra de proyectos de acuerdo a la fecha de publicació n se muestra en la Tabla 3. Se
observa que en los ú ltimos cinco añ os se ha publicado la mitad de los estudios, en diferentes regiones del mundo, lo
cual representa una ventaja para el aná lisis comparativo de este fenó meno.
Las revistas internacionales que los han publicado son: el “journal of Civil Engineering and Management (ASCE)”
con el 28% (8/29) de artículos, el journal of Construction Management and Economics” con el 7% (2/29), el
“International Journal of Project Management” con el 7% (2/29), y el resto de la muestra en diferentes tipos de
revistas relacionadas con gerencia, construcció n y transporte.

Tabla 3. Composición de la muestra de acuerdo a la fecha de publicación

Período N %
2001 – 2005 7 24%
2006 – 2010 6 21%
2011 – 2016 16 55%
Total 29 100%

3.7 Statistical Analysis Techniques

4. STATISTICAL CHARACTERIZATION
The study created mutually exclusive categories to organize and analyze the whole sample data by
region. Among five main regions, the study classified 55 samples drawn from 43 articles, with average
size of 92 projects each (see Table 1). The project samples from Africa showed the smallest average size
(23 projects), based on eight samples analyzed, while the samples from North America showed the
largest average size (140 projects), with ten samples analyzed.
Table 1. Sample composition by region

Region Number % Average

of samples sample size1
Africa 8 14.5 23
Asia 13 23.6 110
Europe 13 23.6 98
Latin 3 5.5 42
America
North 10 18.3 140
America
Oceania 8 14.5 81
Total 55 100 92
1
Number of projects by
sample
4.1 Africa’s Project Samples
Once the study categorized the whole sample by region, a summary table shows the characterization
by descriptive statistics of the samples of projects built in Africa, according to the data reported in the
articles (see Table 2).

Table 2. Projects’ samples from Africa

Cost Informati
Sampl Media
ID Article deviation SD CV Min. Max. on initially
e size1 n
mean reported
19.6 1.4 112.5
(Dada, 2007) 57 14.0% 0.0% 7.1% Raw data.
% 0 %
(Olatunde, 2.4 - Raw data,
40 2.7% 6.6% 1.4% 21.1%
2017 7 9.3% Mean.
84.1 1.2 358.7
(Oladapo, 2007 30 68.9% 1.5% 50.1% Raw data.
% 2 %
15.9 0.7 - Raw data,
(Ijigah, 2012 25 21.5% 23.3% 48.9%
% 4 17.1% Mean, SD.
(Awojobi, 2016) 18.0 0.7 Mean, SD,
13 25.5% 1.0% ND* 62.2%
_1 % 1 Min., Max..
81.2 1.5 244.0
(Kaliba, 2009) 8 52.2% 0.0% 28.8% Raw data.
% 5 %
Raw data,
(Rwakarehe,20 34.6 0.7
7 44.4% 9.1% 28.4% 97.1% Mean, SD,
13) % 8
Min., Max..
(Sovacool, 93.6 0.7 31.0 100.0 260.0
5 125.0% Raw data.
2014) _3 % 5 % % %
* ND: No data.
1
Number of projects reported in each article.

The studies that provided the samples of projects built in Africa belong to the last decade of
publication (from 2007 to 2017), with similar statistics reporting patterns.
Almost all of the studies lacked of a suitable descriptive statistics report of the projects' cost
deviations, in order to notice the central tendency, the variability, and the distribution shape of the data.
Only 50% (4 out of 8) of the samples reported information additional to the raw data. The remaining
samples reported information additional but some of them more complete than the others do. Only 2 out
of 8 projects (25%) reported complementary data, such as mean, standard deviation (SD), and minimum
and maximum values. A particular observation of the descriptive statistics reports in this region was the
uncommon practice of reporting coefficient of variation (CV) and the median. However, most of the
projects reported the raw data and the complementary statistical information could be computed. Based
on the computed statistics, the samples’ data of the Africa’s projects shows a noticeable skewed
distribution of cost deviations.
The research design and source of information used for these studies were historical data analysis
based on official documents and reports of projects (50%; 4 out of 8), cases studies based on project’s
reports and surveys (25%; 2 out of 8); and surveys based on questionnaire responses (25%; 2 out of 8).
Consequently, the sampling techniques used for these studies were convenience sampling (50%; 4 out
of 8). This study observed that 38% of the studies lacks of clear information about the sampling technique
used and just 13% (1 out of 8) used a random sampling technique and 13% (1 out of 8) used a systematic
sampling technique.
A sample size small by study (less than 30 projects) is a general characteristic of the studies from
Africa (the average sample size = 23). The minimum sample size of the projects was 5 projects, and the
maximum, 57 projects; only 38% (3 out of 8) of the studies addressed a large sample size, more or equal
to 30 projects. The studies with large sample showed large CV ranging from 1.22 to 2.47, which suggests a
considerable variability in cost overruns. It was observed a noticeable difference between the means and
the medians, which allows us to infer that the distributions of the samples are biased and do not follow a
normal distribution of data. Statistics showed evidence of a positive skewness to high values of cost
deviation.
 A complementary statistical characterization of the data was undertook by confidence intervals and
effect sizes (see Table 3).

Table 3. Statistical characterization of African studies

% of
Sam SE CI CI Cohe
ID Article projects with Type of Project
ple sizea M 95% LL 95% UL n's db
Overruns
2.6 8.8 19.2
(Dada, 2007) 57 0.20 97% Building projects
% % %
(Olatunde, 1.0 0.6 4.8 - Higher education facilities
40 55%
2017 % % % 1.11 construction projects
15. 37.5 100.
(Oladapo, 2007 30 0.70 100% Building projects
4% % 3%
3.2 14.9 28.1
(Ijigah, 2012 25 0.72 92% Construction projects
% % %
(Awojobi, 5.0 14.6 36.4 Hydropower dams
13 0.86 100%
2016_1) % % % projects
28. - 120. Road construction
(Kaliba, 2009) 8 0.52 75%
7% 15.6% 0% projects
(Rwakarehe,201 13. 12.4 76.4 Road construction
7 0.99 100%
3) 1% % % projects
(Sovacool, 41. 8.8 241. Electricity infrastructure
5 1.23 100%
2014__3) 9% % 2% projects
a
Number of projects reported in each
article.
b
Based on AACE reference

The studies with large samples reported high percentage of projects with cost deviation greater than
0% (Cost overrun), ranging from 55% to 100%, which can be categorized as building construction
projects
Arguing that the sample size is large (greater than 30 projects) and the Central limit theorem, with a
95% confidence, this study estimated the confidence intervals for the mean of cost deviations: Dada
(2007) ranged from 15% to 36%; Olatulande (2017), from 8.8% to 241%; and Oladapo (2007), from
-16% to 120%.

Normality test. In addition, these studies not reported explicitly normality test results, nor carried out
observations on the distribution of the observed data.
4.2 Asian Projects Studies

A summary of the descriptive statistics of the samples of projects built in Africa is shown in Table 4.

Table 4. Projects’ samples in Asia

Sample ID Sampl Cost SEM SD CV Min. Median Max.
e size1 deviation
mean
7.9 -
COHE6 [2] 359 2.1% 16.4% ND* 88.8%
0 80.4%
2.0 - 151.3
COHE63 [23] 145 13.9% 29.1% 8.0%
9 54.3% %
COPUPR6 2.1
123 5.5% 11.6% ND* ND* ND*
[24] 3
ND -
CLKJ23 [22] 74 16.7% ND* ND* 56.0%
* 20.3%
0.4
CORE3 [26] 27 16.0% 7.8% ND* ND* ND*
9
CLKJ22_3 4.1
22 7.7% 31.7% ND* ND* ND*
[19] 2
COHE22_4 178.6 0.6 36.0 513.0
9 282.3% ND*
[3] % 3 % %
COPUPR69 0.9
7 1.1% 1.1% 0.0% 0.6% 2.5%
[25] 9
ND*: No data
1
Number of projects

En los proyectos ejecutados en el continente asiá tico se encontró que el tamañ o de la muestra varió entre 7 y
359. El 50% (4/8) de los estudios realizaron su investigació n con un tamañ o de muestra mayor a 30 (Tabla 6). Este
grupo de proyectos presenta incompleta informació n estadística para hacer una interpretació n adecuada sobre los
proyectos. El 13% (1/8) no reportó la desviació n estándar. y como consecuencia. no se pudo calcular el coeficiente
de variació n. El 75% (6/8) no reportó la mediana y el 38% (3/8) no reportó valores mínimos y má ximos.
Analizando los estudios con muestras grandes se pudo observar que el estudio CLKJ23 [22] reportó un 90%
(67/74) de proyectos con sobrecostos. es decir desviaciones finales de costos mayores a 0%. y el 10% (7/74)
sobrestimaron los costos. reportando desviaciones finales de costos menores a 0%. El estudio COHE6 [2] reportó
55% (199/359) de los proyectos con sobrecostos. el 3% (9/359) no presentaron desviació n de costos. y el 45%
(151/359) presentaron desviació n de costos menor a 0%. El estudio COHE63 [23] reportó que el 69% (100/145)
experimentaron sobrecostos y no hay reporte sobre los proyectos que fueron subestimados o que terminaron
dentro de lo esperado. El estudio COPUPR6 [24] reportó que el 65% (80/123) presentaron desviaciones de costo
mayores a 0%. mientras que el 35% (43/123) reportaron desviaciones menores o iguales a 0%.
En cuanto a la recolecció n de informació n. se encontró que los estudios CLKJ23 [22]. COHE6 [2] y COPUPR6 [24]
recolectaron la informació n a través de cuestionarios realizados a constructores y consultores. mientras que en el
estudio COHE63 [23] la informació n fue tomada de registros estadísticos de empresas estatales de infraestructura
vial y de estadística. Los estudios CLKJ23 [22]. COHE6 [2] y COHE63 [23] no fueron explícitos en indicar que tipo de
muestreo emplearon. mientras que el estudio COPUPR6 [24] indicó que la muestra empleada fue no aleatoria.
En relació n al tipo de proyectos que conformaron las muestras. el estudio CLKJ23 [22] empleó una muestra de
proyectos de infraestructura vial. principalmente vías. Debido a que este estudio no reportó la desviació n está ndar.
no se pudo estimar el intervalo de confianza de la desviació n promedio de su muestra. para tener una idea de la
media poblacional que estaría representando. El tipo de proyectos del estudio COHE6 [2] fue de diversas categorías.
infraestructura vial. infraestructura educativa y proyectos residenciales. Con un 95% de confianza se estima que el
valor promedio de las desviaciones de costos de los proyectos está entre 0.4% y 3.8%. El tipo de proyectos del
estudio COHE63 [23] corresponde a proyectos de infraestructura vial. principalmente vías y con un 95% de
confianza se estima que el valor promedio de las desviaciones está entre 9.1% y 18.7%. El estudio COPUPR6 [24]
usó una muestra donde un porcentaje mayor a 50% fue de proyectos comerciales (oficinas) y proyectos
residenciales. Con un 95% de confianza se estima que el valor promedio está entre 3.4% y 7.5%.
Estos estudios con tamañ o de muestra grande reportaron grandes coeficientes de variació n que oscilaron entre
2.13 y 7.90. lo que sugiere una variabilidad considerable en los sobrecostos reportados. Con base en las estadísticas
reportadas. se puede intuir un comportamiento sesgado hacia la derecha de la muestra. diferente al
comportamiento de una distribució n normal. El estudio COHE6 [2] no reportó resultados de prueba de normalidad
de las muestras. mientras que los estudios COHE63 [23] y COPUPR6 [24] evaluaron la condició n de normalidad de
las muestras.

4.3 European Projects Studies

A summary of the descriptive statistics of the samples of projects built in Europe is shown in Table 5.

Table 5. Projects’ samples in Europe

Sample ID Sampl Cost SEM SD CV Min. Median Max.
e size1 deviation
mean
182.7
COHE24 [13] 620 7.9% 29.2% 3.71 -58.5% 2.0%
%
COHE1_1 [1] 181 25.7% 28.7% 1.12 -10.0% 40.0% 75.0%
COHE23 [27] 78 16.5% 40.0% 2.42 ND* ND* ND*
163.4
COHE5 [28] 36 19.2% 46.1% 2.40 -41.0% 4.3%
%
COPUPR61
15 2.5% 5.9% 2.38 -4.1% 1.3% 18.8%
[31]
COHE56 [30] 11 17.0% 16.3% 0.96 0.3% 14.0% 47.1%
COHE16 [29] 8 44.6% 24.8% 0.56 ND* ND* ND*
CLKJ22_4
5 15.4% 12.7% 0.82 ND* ND* ND*
[19]
COHE22_5 172.4 408.0
4 171.3% 1.01 37.0% ND*
[3] % %
ND*: No data
1
Number of projects

En los estudios reportados de proyectos ejecutados en el continente europeo se encontró que el tamañ o de la
muestra de proyectos varió entre 4 y 620. El 44% (4/9) de los estudios emplearon tamañ o de muestra mayor a 30
(Tabla 7). En este grupo de proyectos también se observó la falta de informació n estadística bá sica para hacer una
interpretació n completa sobre las muestras. El 44% (4/9) no reportó la mediana y el 33% (3/9) no reportó valores
mínimos y má ximos.
Analizando los estudios con muestras grandes se pudo observar que el estudio COHE23 [27] reportó el 55%
(43/78) de los proyectos con sobrecostos y el 45% (35/78) de los proyectos fueron sobrestimados. con
desviaciones finales menores e iguales a 0%. El estudio COHE24 [13] reportó el 52% (325/620) de los proyectos
con sobrecostos. el 34% (220/620) de los proyectos con desviaciones menores a 0% y el 12% (75/620) no
experimentaron desviació n alguna. El estudio COHE5 [28] reportó el 61% (22/36) de los proyectos con sobrecostos
y el 39% (14/36) de los proyectos fueron sobrestimados.
En cuanto a la recolecció n de informació n. se encontró que los estudios COHE1_1 [1] y COHE23 [27] emplearon
muestras no aleatoria. dependiendo de la disponibilidad de informació n de los proyectos. La informació n fue
recolectada mediante varios procedimientos como reportes oficiales. cuestionarios. entrevistas y otros estudios
anteriores. Los estudios COHE24 [13] y COHE5 [28] emplearon una muestra no aleatoria y la informació n fue
recolectada por medio de bases de datos de una entidad estatal de infraestructura vial.
En relació n al tipo de proyectos que conformaron las muestras. el estudio COHE1_1 [1] empleó una muestra de
proyectos de infraestructura vial. Con un 95% de confianza se estima que el valor promedio de las desviaciones de
los proyectos está entre 21.5% y 29.9%. Los estudios COHE23 [27]. COHE24 [13] y COHE5 [28] también emplearon
muestras de proyectos de infraestructura vial. Con un 95% de confianza se estima que los valores promedio de las
desviaciones de los proyectos. respectivamente está n entre (7.5% a 25.5%). (5.6% a 10.2%). y (3.6% a 34.8%).
Estos estudios presentaron grandes coeficientes de variació n. entre 1.12 y 3.71. lo que sugiere gran variabilidad
en los sobrecostos y un comportamiento sesgado hacia la derecha de la muestra. El estudio COHE1_1 [1] evaluó la
distribució n de la muestra y determinó que obedecía a una distribució n sesgada. no normalmente distribuida. El
estudio COHE24 [13] hace observaciones acerca de la distribució n normal de las desviaciones de costos y realiza los
ajustes necesarios para cumplir con el supuesto de normalidad cuando emplea las técnicas estadísticas. . El estudio
COHE5 [28] hace observaciones acerca de la distribució n normal de las desviaciones de costos. pero no realiza los
ajustes necesarios para cumplir con el supuesto de normalidad cuando emplea las técnicas estadísticas. El estudio
COHE23 [27] no indica explícitamente si evaluó normalidad en la distribució n de los sobrecostos.

A summary of the descriptive statistics of the samples of projects built in Latin America is shown in
Table 6.

4.4 Latin-America Projects Studies

Table 6. Projects’ samples in Latin America

Sample ID Sampl Cost SE SD CV Min. Median Max.
e size1 deviation M
mean
COPU18 [5] 56 4.1% 9.4% 2.32 0.0% 0.0% 45.6%
CLKJ22_2 52.5
15 54.0% 0.97 ND* ND* ND*
[19] %
COHE22_2 51.3 35.0 136.0
3 90.7% 0.57 ND*
[3] % % %
ND*: No data
1
Number of projects

En los proyectos ejecutados en Latinoamérica se encontró que el tamañ o de la muestra de cada estudio varió
entre 3 y 56. El 33% (1/3) de los estudios realizó su investigació n con un tamañ o de muestra mayor a 30 (Tabla 8).
En este grupo de proyectos también se observó la falta de informació n estadística bá sica para hacer una
interpretació n completa sobre las muestras. El 67% (2/3) no reportó la mediana y el 33% (1/2) no reportó valores
mínimos y má ximos. El grupo de estudios de Latinoamérica es el grupo de proyectos del cual se dispone poca
informació n publicada.
El estudio COPU18 [5] reportó todos los datos necesarios para describir la muestra; ademá s del promedio y
desviació n está ndar. reportó los cuartiles del conjunto de datos. Segú n la informació n reportada. aproximadamente
el 50% (28/56) de los proyectos no tuvieron desviació n de costos y el otro 50% reportó desviaciones de costos
mayores a 0%.
El tipo de proyectos que conformó la muestra fue denominado como proyectos de construcció n de
infraestructura pú blica. diferentes a contratos de diseñ o y de supervisió n. sin mayor especificació n ofrecida por los
autores. Con un 95% de confianza se estima que el valor promedio de los proyectos del estudio COPU18 [5] está
entre 1.5% y 6.6%. La fuente de informació n que empleó el estudio fue un sistema de informació n pú blica de
contratos estatales. Sobre el tipo de muestreo. el estudio no es explícito en indicar si la muestra fue no aleatoria. o si
se realizó un tipo específico de muestreo.
El coeficiente de variació n del estudio con tamañ o de muestra mayor a 30 proyectos fue de 2.32. lo que sugiere
gran variabilidad en los sobrecostos. De acuerdo a los valores mínimos y má ximos. en este caso. también se puede
intuir un comportamiento sesgado hacia la derecha de la muestra. Adicionalmente se observó que el estudio no
reporta resultados de prueba de normalidad.
4.5 North-American Projects Studies

A summary of the descriptive statistics of the samples of projects built in North America is shown in
Table 7.

Table 7. Projects’ samples in North America

Sample ID Sampl Cost SEM SD CV Min. Median Max.
e size1 deviation
mean
COPU17
363 3.0% 6.6% 2.24 ND* 0.0% ND*
[35]
COPUPR3
334 7.3% 23.8% 3.27 ND* ND* ND*
[4]
COHE40
219 4.0% 10.9% 2.73 -28.5% ND* 72.0%
[33]
COHE1_2
61 23.6% 54.2% 2.30 12.0% 45.0% 80.0%
[1]
CLKJ14
44 3.4% 6.7% 1.94 -6.3% 0.0% 26.4%
[32]
COHE70
32 4.9% 13.3% 2.70 -24.7% ND* 51.6%
[34]
COHE22_1 323.2 1.280.0
19 298.6% 1.08 31.0% ND*
[3] % %
COHE71
12 51.3% 63.9% 1.25 0.0% 27.5% 205.0%
[36]
ND*: No data
1
Number of projects

En los estudios reportados de proyectos ejecutados en Norteamérica se encontró que el tamañ o de la muestra de
proyectos varió entre 12 y 363. El 75% (6/8) de los proyectos emplearon una muestra mayor a 30 proyectos (Tabla
9). En este grupo se encuentran los mejores estudios realizados. en relació n al tamañ o de la muestra de proyectos.
Al igual que otros de los grupos descritos anteriormente. algunos proyectos no presentan informació n
estadística bá sica para hacer una interpretació n completa sobre las muestras. El 50% (4/8) no reportó la mediana y
el 25% (2/8) no reportó valores mínimos y má ximos.
Analizando los estudios con muestras grandes y de los que ofrecían suficiente informació n se pudo observar que
el estudio CLKJ14 [32] reportó que el 43% (19/44) de los proyectos experimentaron sobrecostos. el 52% (23/44)
no experimentaron desviaciones finales y el 5% (2/44) indicaron que las deviaciones finales de costos fueron
menores a 0%. El estudio COHE40 [33] reportó que el 38% (83/219) de los proyectos experimentaron sobrecostos.
El estudio COHE70 [34] reportó el 63% (20/32) de los proyectos con sobrecostos y el 37% (12/32) experimentaron
desviaciones finales de costos menores a 0%.
En cuanto a la recolecció n de informació n. se encontró que los estudios CLKJ14 [32] y COHE1_2 [1] emplearon
muestras no aleatorias y la informació n fue recolectada de bases de datos de oficinas de ingeniería y contratació n.
como también mediante varios procedimientos como reportes oficiales. cuestionarios. entrevistas y otros estudios
anteriores. Los estudios COHE40 [33]. COHE70 [34]. COPU17 [35] y COPUPR3 [4] no fueron explícitos en indicar
que tipo de muestreo utilizaron para seleccionar los proyectos y la informació n fue recolectada de las bases de datos
de oficinas pú blicas.
En relació n al tipo de proyectos. en este grupo de proyectos los estudios CLKJ14 [32] y COHE70 [34] emplearon
muestras de proyectos de construcció n. comerciales y de oficinas. Con un 95% de confianza se estima que los
valores promedio de las desviaciones de los proyectos está n entre 1.4% a 5.5% y entre 0.1% y 9.7%.
respectivamente. Los estudios COHE1_2 [1] y COHE40 [33] emplearon muestras de proyectos de infraestructura
vial. Con un 95% de confianza se estima que los valores promedio de las desviaciones de los proyectos está n entre
9.7% a 37.5%. y entre 2.5% a 5.5%. respectivamente. El estudio COPU17 [35] empleó una muestra de proyectos
varios. donde los de infraestructura vial conformaron el 65% (236/363) de la muestra. los de control de
inundaciones el 23% (83/363) y el 12% (44/363) fueron obras de construcció n. Con un 95% de confianza se estima
que el valor promedio de las desviaciones de los proyectos está entre 2.3% y 3.6%. El estudio COPUPR3 [4] empleó
una muestra de proyectos varios. donde los de infraestructura civil conformaron el 28% (102/356) de la muestra.
los proyectos industriales el 11% (36/356) y los comerciales e institucionales el 61% (218/356). Con un 95% de
confianza se estima que el valor promedio de las desviaciones de los proyectos está entre 4.7% y 9.9%.
 Estos estudios presentaron grandes coeficientes de variació n. entre 1.94 y 3.27. lo que sugiere gran variabilidad
en los sobrecostos. De acuerdo a los valores mínimos y má ximos reportados se puede intuir un comportamiento
sesgado hacia la derecha de la muestra. diferente al comportamiento de una distribució n normal. Los estudios
CLKJ14 [32]. COHE1_2 [1] y COHE40 [33] evaluaron la distribució n de la muestra. Los estudios COHE70 [34].
COPU17 [35] y COPUPR3 [4] no son explícitos en indicar si realizaron chequeo de normalidad de la muestra.

4.6 Oceania Projects Studies

A summary of the descriptive statistics of the samples of projects built in Oceania is shown in Table 7.

Table 8. Projects’ samples in Oceania

Sample ID Sampl Cost SE SD CV Min Media Max.
e size1 deviation M . n
mean
COPUPR63 24.2
161 12.6% 1.92 ND* ND* ND*
[38] %
13.8
COHE21 [37] 115 11.8% 1.17 ND* ND* ND*
%
- 27.0
COHE58 [39] 11 5.3% 9.5% 1.81 5.0%
18.0% %
33.3
CLKJ22_5 [19] 3 26.2% 1.27 ND* ND* ND*
%
ND*: No data
1
Number of projects

En los estudios reportados de proyectos ejecutados en Oceanía se encontró que el tamañ o de la muestra de
proyectos varió entre 3 y 161. El 50% (2/4) de los proyectos emplearon una muestra mayor a 30 proyectos (Tabla
10). Este grupo de proyectos. al igual que los anteriores. experimentó falta de informació n estadística bá sica para
hacer una interpretació n completa sobre los proyectos. El 75% (3/4) de los proyectos no reportó informació n sobre
la mediana. el valor mínimo y el valor má ximo.
Analizando los dos estudios con muestras grandes. se encontró que fueron realizados por el mismo autor Peter
E. D. Love. en la misma localizació n y publicados entre 2015 y 2013. Estos estudios no reportaron qué tanto
porcentaje de proyectos presentaron desviaciones de costos mayores o iguales a 0%.
Como nota adicional. estos estudios emplearon una muestra aleatoria estratificada. donde la informació n fue
recolectada a través de cuestionarios realizados a constructores y consultores.
El tipo de proyectos que conformaron las muestras de los estudios COHE21 [37] y COPUPR63 [38] fueron
proyectos de infraestructura vial y de infraestructura de tratamiento de agua. Con un 95% de confianza se estima
que los valores promedio de los proyectos de construcció n de los estudios está n entre 9.2% a 14.3% y 8.8% a
16.4%. respectivamente. Con base en estos resultados. se observa que estadísticamente no hay diferencia entre
tipos de proyectos en relació n al comportamiento de los sobrecostos. en el continente Oceanía.
Estos estudios de tamañ o de muestra grande presentaron grandes coeficientes de variació n. entre 1.17 y 1.92. lo
que sugiere gran variabilidad en los sobrecostos.

En resumen. el presente estudio analizó 38 muestras de proyectos de cinco regiones geográ ficas: Á frica. Asia.
Europa. Latinoamérica. Norteamérica y Oceanía. El aná lisis final de la categorizació n se realizó con base en 19
muestras mayores a 30 proyectos. cuya composició n por regió n fue: Á frica (11%). Asia (21%). Europa (21%).
Latinoamérica (5%). Norteamérica (31%) y Oceanía (11%).
Segú n los resultados de las muestras analizadas. observamos que por cada dos estudios que se realizaron sobre
sobrecostos en las diferentes regiones geográ ficas. uno de ellos (50%) contempló un tamañ o de muestra mayor a 30
proyectos. Flyvbjerg ya había comentado que uno de los inconvenientes en este tipo de estudios de sobrecostos es
contar con tamañ o de muestra grande [1]. Contar con casos de estudio aislados o con investigaciones con tamañ o de
muestra pequeñ o es una limitante para realizar adecuados aná lisis estadísticos y las conclusiones que se pueden
obtener pueden diferir sustancialmente. En el presente estudio se pudo comprobar. en la mayoría de los casos. que a
tamañ os de muestra grandes la variabilidad de la media fue menor en comparació n con tamañ o de muestras
cercanas a treinta proyectos. evidenciada en sus intervalos de confianza estimados (Figura 4).
 Se pudo observar que el tamañ o mínimo de las muestras de proyectos osciló entre 3 y 12 proyectos. mientras
que el tamañ o má ximo osciló entre 56 y 620 proyectos. El grupo de estudios de proyectos ejecutados en
Norteamérica contó con los mejores estudios realizados. en relació n al tamañ o de la muestra. donde el 75% de sus
muestras. es decir 3 de cada 4 proyectos. fueron mayores a 30 proyectos. Por su parte los grupos de proyectos de las
regiones africana y latinoamericana. contaron con pocas muestras mayores a 30 proyectos. el 33% de sus estudios.
es decir uno de cada tres muestras.
Una de las necesidades en nuestra disciplina es contar con estudios basados en muestras grandes para tener
datos má s confiables. poder generalizar y entender mejor las desviaciones finales de costos. Estudios con muestras
pequeñ as está n sujetos a un error de muestreo mayor. el cual afecta la capacidad de generalizar [40].
Ademá s de contar con tamañ o de muestras grandes. para entender el comportamiento de las desviaciones
finales de costos de los proyectos. evaluar la calidad de la muestra y comparar resultados entre diferentes estudios.
es necesario que los estudios reporten un conjunto de estadísticas bá sicas para ver su tendencia central y su
variació n. Cuando se reportan los promedios y las medianas. fá cilmente se podría notar el nivel de sesgo que puede
tener una muestra.
Los resultados mostraron que solamente el 3% de los proyectos no reportó la desviació n estándar. El no
reportar la desviació n está ndar dificulta principalmente generalizar la estimació n de la media basada en su
intervalo de confianza. ademá s de conocer el grado de variació n de los datos y compararlo con otros estudios por
medio de su coeficiente de variació n. El 31% de los estudios no reportó los valores mínimos y má ximos. lo cual no
nos daba indicació n el nivel de sesgo posible en la muestra. Finalmente. el 55% de los estudios no reportó el valor de
la mediana. Debido a la informació n insuficiente es difícil verificar los resultados del estudio [1]. Las
recomendaciones de algunos autores indican que cuando hay evidencia de que la muestra no se comporta de
acuerdo a una distribució n normal. en estos casos debe reportarse la mediana y los valores extremos [41].
Sobre la proporció n de proyectos experimentando sobrecostos. se encontró que 3 de cada 5 proyectos (60%)
experimentaron sobrecostos. es decir desviaciones finales de costos mayores a 0%. calculado como promedio
ponderado de las muestras. Flyvbjerg reportó en su estudio que el 86% de los proyectos experimentaron
sobrecostos [1]. anotando que estos proyectos son relacionados con infraestructura vial: carreteras. ferrocarriles.
puentes y tú neles. mientras que en nuestro estudio se cubre una variedad de tipo de proyectos. En el presente
estudio se entiende como desviació n final de costo a la diferencia entre el valor final de construcció n presupuestado
y el valor final realmente ejecutado. expresado como porcentaje sobre el valor presupuestado. Adicionalmente.
sobrecosto se entiende como aquella desviació n mayor a 0%.
La calidad de la informació n usada en los estudios fue evaluada con base en tres criterios: fuente de informació n.
el tipo de muestreo y la verificació n del supuesto de normalidad de los datos de desviació n final de costos. Estos
criterios fueron analizados en las 19 muestras con má s de 30 proyectos. Los resultados mostraron que existen tres
métodos generales: encuestas. bases de datos y métodos varios. El 100% de la muestras de los proyectos en Á frica y
Oceanía. fueron tomadas de encuestas realizadas a profesionales de la construcció n. mientras que en Asia fue
solamente el 75% y las otras regiones emplearon un método diferente. Por su parte. má s del 50% de las muestras de
Europa. Latinoamérica y Norteamérica usaron bases de datos. Finalmente. se encontró que un 50% de las muestras
de Europa y 17% de Norteamérica emplearon métodos varios. En cuanto a la especificació n del tipo de muestreo
utilizado se encontró que la mayoría no especifica el tipo de muestreo. y aquellos que lo mencionan. usaron
muestras no aleatorias. dependiendo de la disponibilidad de informació n de los proyectos. Sobre la evaluació n del
supuesto de normalidad se encontró . con base en un promedio ponderado. que solamente el 47% de los estudios
reportaron alguna verificació n de normalidad de los datos de las desviaciones finales de costo de los proyectos.
Figura 4. Intervalos de los promedios de las desviaciones de costos con 95% de confianza
 Las desviaciones finales de costos tienen un comportamiento variable que dependen de muchos factores
controlables y no controlables. y como tal pueden ser tratadas como variables aleatorias [12]. Una variable aleatoria
describe el comportamiento de un fenó meno del cual no se conoce anticipadamente su resultado y este depende de
factores no totalmente controlables [42].
La variabilidad de las desviaciones finales de costos de los proyectos analizados en esta revisió n se caracterizó
cuantitativamente en dos sentidos: la variabilidad del promedio de las desviaciones de costos y la variabilidad de los
datos de las desviaciones finales de costos.
La variabilidad del promedio de las desviaciones finales de los costos fue observada y analizada por medio del
error está ndar y su intervalo de confianza. Esta variabilidad depende del tamañ o de la muestra de proyectos. que
resultó menor. en la mayoría de los casos. cuando se manejaron tamañ os de muestra mayores a 100 proyectos
(Figura 4). Adicionalmente. se pudo observar que la variabilidad difiere del tipo de proyecto y de la regió n. Aunque
la clasificació n de los proyectos resultó un poco compleja. debido a la escasa informació n sobre las características de
la muestra. se pudo notar algunos comportamientos. Por ejemplo. la variació n del promedio inferido de las muestras
de un mismo proyecto y regió n. En Europa una muestra de 620 proyectos viales tuvo un intervalo de confianza
inferido menor. comparado con otra muestra del mismo tipo de proyectos y en la misma regió n. pero con 78
proyectos. el cual presentó un intervalo de confianza. aproximadamente tres veces mayor (Figura 4). Por su parte.
parece que entre proyectos viales desarrollados en diferentes regiones (Asia. Europa. Norteamérica y Oceanía) no
hay diferencia estadística entre los promedio inferidos. ya que los intervalos de confianza se traslapan en la mayoría
de los casos. Esto confirma los resultados encontrados por Flyvbjerg [1].
En cuanto a la variabilidad de las desviaciones de costos de los proyectos. esta fue observada y analizada por
medio de la desviació n está ndar de las muestras y su coeficiente de variació n (CV). El presente estudio nos permitió
identificar que todas las muestras grandes de proyectos experimentaron grandes valores de CV. En promedio el CV
mínimo fue de 1.7 y el CV má ximo fue de 3.6. Estos resultados soportan la hipó tesis de la gran variabilidad y el
comportamiento no normal de las distribuciones. Las deviaciones son notoriamente segadas hacia la derecha.
Se encontró que algunos estudios basan su aná lisis de desviaciones de costos asumiendo un comportamiento
normalmente distribuido de la variable. Pero partir de este supuesto podría llevar a conclusiones poco confiables y
aumentar el riesgo en la toma de decisiones. Es de anotar que en muestras segadas el sobrecosto promedio deja de
ser una medida central representativa de los datos y por ello. deben reportarse otros indicadores de tendencia
central como la mediana y de variabilidad diferentes a la desviació n está ndar. tales como el rango intercuartil.
cuartiles y valores mínimos y má ximos [41]. Algunos autores ya han descrito el tipo de distribució n que puede ser
usado para describir este comportamiento sesgado [12].
Due to the noticeable variability of the sample sizes of projects, the study analyzed those samples with
size bigger or equal to 30 projects. This warranted statistically…

Discussion

5. STATISTICS INFORMATION REPORTED

5.1 Relevant Information -Missing Information

5.2 Source of Information and Testing Assumptions

5.3 Sampling & Sample Size

5. CONCLUSIONS
REFERENCES
Awojobi, O., & Jenkins, G. P. (2015). Were the hydro dams financed by the World Bank from 1976 to 2005
worthwhile? Energy Policy, 86, 222–232. https://doi.org/10.1016/j.enpol.2015.06.040
Bennett, J. & Ormerod, R. N. (1984) Simulation applied to construction projects, Construction
Management and Economics, 2(3), 225-263, DOI: 10.1080/01446198400000021
Flyvbjerg, B., Skamris, M. K., & Buhl, S. L. (2003). 33. Transport Reviews, 23(1), 71–88.
https://doi.org/10.1080/0144164022000016667
Oladapo, A. A. (2007),"A quantitative assessment of the cost and time impact of variation orders on
construction projects", Journal of Engineering, Design and Technology, Vol. 5 Iss 1 pp. 35 – 48.
http://dx.doi.org/10.1108/17260530710746597
Taylor, J. E., & Jaselskis, E. J. (2010). Introduction to the Special Issue on Research
Methodologies in Construction Engineering and Management. Journal of
Construction Engineering and Management, 136(1), 1-2
Tran, D., Lester, H., & Sobin, N. (2014). Toward Statistics on Construction Engineering and Management
Research. Construction Research Congress 2014. ASCE 2014