Метод главного фактора в оценке машин и оборудования

Бесплатный доступ

Рассматривается задача оценки рыночной стоимости машины с известными характеристиками на основе информации о характеристиках и стоимостях ее аналогов. при этом вид зависимости стоимости машин от их характеристик считается неизвестным. Автор предлагает метод решения, близкий к методу главных компонент, показывает, что он применим для оценки нескольких машин по данным об одних и тех же аналогах, и полагает, что его использование позволит повысить обоснованность расчетов рыночной стоимости машин и оборудования.

Оценка стоимости машины, метод главного фактора, метод направленных корректировок, главные параметры машин, регрессионные стоимостные модели

Короткий адрес: https://sciup.org/170172302

IDR: 170172302

Текст научной статьи Метод главного фактора в оценке машин и оборудования

В конце 1990-х годов В. Быковой был предложен метод направленных корректировок для оценки машин и оборудования (далее – машины). В 2000 году он был изложен в работах [1, 2], а позднее – в ряде учебников и учебных пособий (см. [3–6]). Этот метод предназначен для оценки машин в ситуациях, когда известно много характеристик машины и ее аналогов, но неизвестно, как именно каждая из них влияет на стоимость. При применении этого метода предполагается, что различия в степени износа машины и аналогов учитываются отдельно, так что, по существу, этот метод ориентирован на оценку восстановительной стоимости (далее – ВС) машины по данным о ВС ее аналогов.

Суть метода продемонстрируем на простом примере, приведенном в работе [4]. Единицы измерения стоимости машин здесь и далее не указываются.

Пример 1

Оценивается стоимость пилорамы КРС75 (далее – машина М0) по данным ее «нижнего» и «верхнего» аналогов – пилорам РК63-2 и Р80-2 (далее – машины М1 и М2). Значения характеристик машин приведены в таблице 1 (в работе [4] – таблица 4.7). Предполагается, что увеличение значения любой характеристики повышает потребительские свойства машины и, следовательно, увеличивает ее стоимость.

Таблица 1

Значения характеристик оцениваемой машины и ее аналогов

Характеристика

Обозначение характеристики

Машина

М0

М1

М2

Ширина просвета пильной рамки, мм

X 1

750

630

800

Ход пильной рамки, мм

X 2

360

400

500

Частота вращения главного вала, об/мин

X 3

285

285

250

Наибольшая длина распиливаемых бревен, м

X 4

7,5

7,5

10

Наибольшая подача на 1 оборот главного вала, мм

X 5

26

22

40

Наибольшее число пил в поставе

X 6

12

12

14

Мощность электродвигателей, кВт

X 7

52,4

44,4

64

Производительность, м3

X 8

4

5

9

Стоимость

V

415,3

590,8

Суть метода состоит в подсчете количества повышающих и понижающих корректировок, которые необходимо внести в стоимости аналогов для получения искомой оценки.

Из таблицы 1 видно, что для «приведения» машины М1 («нижний» аналог) к М0 необходимо увеличить три характеристики ( X 1, X 5 и X 7) и уменьшить две ( X 2 и X 8). Это позволяет (см. [1, 2]) определить количество «действующих повышающих корректировок»: 3 – 2 = 1. Точно так же, чтобы «привести» машину М2 («верхний» аналог) к М0, необходимо уменьшить семь характеристик ( X 1, X 2, X 4, X 5, X 6, X 7 и X 8) и увеличить одну ( X 3). Таким образом, здесь количество «действующих понижающих корректировок» составит: 7 – 1 = 6. На этом основании предлагается оценить стоимость V 0 машины М0 как средневзвешенную из стоимостей машин М1 и М2, приняв в качестве весов указанные количества действующих корректировок в обратном порядке (то есть аналогу с меньшим количеством корректировок приписывается больший вес). В результате находим:

V 0 = (415 , 3 X 6 + 590 , 8 X 1) / (6 + 1) = 440 , 4.

В работах [2–4] этот метод обобщен на случай, когда имеются более двух аналогов и отдельным характеристикам можно придавать различные веса, однако мы пока не будем на этом останавливаться.

К преимуществам рассматриваемого метода, безусловно, следует отнести то, что для его применения не требуется информация о «степени влияния» отдельных характеристик на стоимость машины. Однако он имеет и недостатки, а именно:

  • 1)    считается, что все характеристики влияют на стоимость машины примерно одинаково – на результат расчета влияет только количество отличающихся в ту или другую сторону характеристик машины и ее аналога. Поэтому в примере 1 результат не изменился бы, если у оцениваемой машины были бы, например, такие характеристики: X 2 = 400, но X 3 = 275;

  • 2)    результат оценки не меняется, как бы ни менялись значения характеристик оцениваемой машины (и ее аналогов) в определенных интервалах. Так, в примере 1 результат оценки стоимости машины будет одним и тем же при любом значении X 5 в пределах от 23 до 39;

  • 3)    результат оценки меняется скачком , как только значения какой-либо характеристики у машины и ее аналога сравняются. Например, если бы у машины М0 значение X 3 оказалось чуть меньше (скажем, 284 вместо 285), то результат оценки сразу уменьшился бы с 440 , 4 до 415 , 3. Другими словами, этот метод не обеспечивает непрерывную зависимость стоимости машины от значений ее характеристик;

  • 4)    при наличии более двух аналогов возникают проблемы при выборе «нижнего» и «верхнего» аналогов. Их можно преодолеть, вводя дополнительные допущения, не связанные с сутью рассматриваемого метода.

Казалось бы, эти недостатки имеют формально-математической характер. Между тем они достаточно серьезные. Дело в том, что все характеристики машин взаимосвязаны. Об этом можно судить по коэффициентам корреляции между характеристиками машин из примера 1 (см. таблицу 2, в которой коэффициенты корреляции, превышающие 0 , 9, выделены жирным шрифтом).

Как видим, многие характеристики машин тесно связаны друг с другом. Так, высоким является коэффициент корреляции между X 2 и X 3 (-0,961). Тогда изменение X 2, скорее всего, должно приводить к противоположному изменению X 3. По этой причине повышающая корректировка стоимости М1 по характеристике X 2 должна одновременно сопровождаться понижающей корректировкой этой стоимости по характеристике X 3, что в рассматри-

Таблица 2

Коэффициенты парных корреляций между характеристиками машин

X1 X2 X3 X4 X5 X6 X7 X8 X1 1,000 0,508 -0,727 0,727 0,856 0,727 0,943 0,584 X2 0,508 1,000 -0,961 0,961 0,880 0,961 0,765 0,996 X3 -0,727 -0,961 1,000 -1,000 -0,977 -1,000 -0,914 -0,982 X4 0,727 0,961 -1,000 1,000 0,977 1,000 0,914 0,982 X5 0,856 0,880 -0,977 0,977 1,000 0,977 0,979 0,920 X6 0,727 0,961 -1,000 1,000 0,977 1,000 0,914 0,982 X7 0,943 0,765 -0,914 0,914 0,979 0,914 1,000 0,821 X8 0,584 0,996 -0,982 0,982 0,920 0,982 0,821 1,000 ваемом методе не учтено. Далее, коэффициенты корреляции между характеристиками X3, X4 и X6 равны единице, так что соответствующие корректировки «дублируют друг друга». Допустим, что с учетом этого мы исключили из рассмотрения характеристики X4 и X6. Тогда, чтобы «привести» машину М2 («верхний аналог») к М0, необходимо будет уменьшить только пять характеристик (X1, X2, X5, X7 и X8) и увеличить одну (X3). Из-за этого количество «действующих понижающих корректировок» составит уже 5 – 1 = 4, а результат оценки стоимости машины М0 изменится и составит (415,3 х 4 + 590,8 х 1) / (4 + 1) = 450,4. Конечно, такое изменение невелико, однако настораживает сам факт того, что устранение «дублирующих» характеристик влияет на результат оценки (ведь в других ситуациях изменение может оказаться и бо́льшим).

Высокие корреляции между характеристиками машин не случайны и не обусловлены тем, что для оцениваемой машины выбраны всего два аналога. Они наблюдаются и при рассмотрении трех и большего числа машин разных видов. Дело в том, что при проектировании аналогичных машин обычно исходят из небольшого числа основных ее характеристик, рассчитывая на их основе все остальные.

Но в таком случае возникает задача найти какой-то «главный фактор», с которым все остальные характеристики были бы наиболее тесно связаны какой-то зависимостью, и выяснить, как он влияет на стоимость машин. Казалось бы, решение такой задачи очевидно – технические специалисты давно используют классификации машин по их главным параметрам . Более того, в работе [4, с. 142] прямо указано, что «основной технологический параметр для лесопильных рам – ширина просвета пильной рамки», то есть X 1. Увы, именно эта характеристика связана с остальными не очень сильно, во всяком случае слабее, чем X 7 или X 8. Мало того, стоимость машины в оценке обычно связывается с ее производительностью (в нашем случае – X 8). Это значит, что при решении поставленной задачи ориентироваться на «главные технические параметры» машин не стоило бы.

Другой подход к выбору «главного фактора» можно вывести из применяемых оценщиками регрессионных стоимостных моделей.

Так, в работе [4, с. 150] построена зависимость стоимости листогибочных кривошипных прессов от номинального усилия пресса ( X 1, кН) и длины рабочего стола ( X 2, мм):

V = 0,76 х X О 7326 х X 2 0 1822

Отсюда сразу же следует, что в качестве «главного фактора» пресса можно было бы принять, например, Х 0 ,732 6 х X 0 ,182 2 . К такой степенной комбинации характеристик мы еще вернемся, а пока заметим, что какого-то «технического» смысла она не имеет, хотя и связана со стоимостью машин прямой пропорциональной зависимостью.

В нашем случае у машин 8 характеристик и, комбинируя их, можно сформировать много разных «главных факторов». Более того, разным комбинациям могут отвечать одинаковые значения «главного фактора». Так, два разных фактора F = 0,5 X 1 + 4,5 X 6 + 22 X 8 и G = 0,124 X 2 + 0,6776 X 3 + 10,74 X 5 для машин М0, М1, М2 принимают одни и те же значения – 517, 479 и 661, поэтому подбирать подходящие линейные (или еще какие-нибудь) комбинации характеристик нет необходимости, достаточно лишь подобрать их подходящие значения для каждой машины.

Таким образом, мы приходим к тому, что в примере 1 надо найти некий набор из трех чисел ( F 0, F 1, F 2), который можно трактовать как значения некоего «главного фактора» у машин М0, М1, М2, не придавая этому фактору какой-либо «технический» смысл. Разумеется, этот «главный фактор» должен быть возможно более тесно связан со всеми характеристиками машин. Если бы речь шла о тесноте связи между двумя факторами, то ее мерой естественно было бы считать коэффициент корреляции. Так, тесноту связи между «главным фактором» и X 5 можно было бы измерить коэффициентом корреляции между набором ( F 0, F 1, F 2) и набором (26, 22, 40), стоящим в строке X 5 таблицы 1. При этом тесной надо было бы считать связь, у которой коэффициент корреляции близок к 1 или к -1 (в первом случае связь будет положительной, во втором отрицательной). На этом основании тесноту связи лучше характеризовать коэффициентом детерминации , который в данном случае совпадает с квадратом коэффициента корреляции. Но в нашем примере характеристик у машин много (8), поэтому мерой тесноты соответствующих связей естественно принять сумму коэффициентов детерминации между набором ( F 0, F 1, F 2) и всеми наборами, расположенными в строках X 1 X 8 таблицы 1. Это значит, что «главному фактору» должен отвечать такой набор ( F 0, F 1, F 2), для которого сумма коэффициентов детерминации с наборами, расположенными в строках X 1 X 8 таблицы 1, будет наибольшей.

Эта задача давно известна в статистике. Она является первым шагом так называемого метода главных компонент (Principal Component Analysis), предложенного Карлом Пирсоном в 1901 году и применяемого для отыскания наиболее важных факторов, определяющих характеристики объектов (подробнее см., например, [7–10]). Для нашей цели важно, что искомый набор определяется не однозначно. Дело в том, что коэффициенты детерминации не изменятся, если все числа в наборе ( F 0, F 1, F 2) умножить на какое-либо отличное от нуля число (то есть изменить «масштаб» фактора) или увеличить на одно и то же число (то есть изменить «начало отсчета» фактора). Поэтому достаточно отыскать такой «подходящий» набор ( F 0, F 1, F 2), для которого среднее значение из величин Fi будет равно 0, а их дисперсия будет равна 1. Не будем пока останавливаться на методе решения этой задачи, а посмотрим, как использовать полученное решение для оценки стоимости машины М0.

Итак, предположим, что мы нашли «главный фактор», наиболее тесно связанный с характеристиками машин. Естественно считать, что этот фактор будет достаточно тесно связан и со стоимостью машин. В таком случае мы можем построить зависимость стоимости машин V от «главного фактора» F и с ее помощью установить, какая стоимость V 0 отвечает значению F 0 – значению «главного фактора» для машины М0.

В нашем примере зависимость V(F) предельно проста – это прямая линия, соединяющая точки (415,3, F1) и (590, F2). Тогда искомая стоимость V0 находится путем линейной интерполяции, причем коэффициент детерминации между набором (F0, F1, F2) и набором стоимостей машин (V0, 415,3, 590) будет точно равен 1. Отсюда сразу же следует, что нет необходимости вначале подбирать «подходящий» набор (F0, F1, F2), а затем рассчитывать стоимость V0 машины. Вместо этого можно сразу же искать все 4 неизвестные величины F0, F1, F2, V0 так, чтобы их среднее значение стало равным 0, их дисперсия равной 1, а сумма коэффициентов детерминации между набором (F0, F1, F2) и наборами всех характеристик машин (включая их стоимости!) оказалась максимальной. Такой метод оценки можно назвать методом главного фактора 1.

Подобные задачи хорошо решаются в электронных таблицах. На рисунке показано решение рассматриваемого примера.

Рабочий лист Excel с расчетом стоимости машины

В ячейках B4–D12 записаны исходные данные (табл. 1), вместо стоимости машины в ячейке B12 проставляется любое число. Аналогично в ячейках B3–D3 проставляются любые числа. В ячейки F3 и G3 вставляются стандартные формулы для расчета среднего значения (функция СРЗНАЧ) и дисперсии (функция ДИСПР) из значений B3, С3 и D3. В ячейках Е4–Е12 вставляются формулы для расчета квадратов коэффициентов корреляции между набором (B3, С3, D3) и наборами, стоящими в тех же графах соответствующих строк таблицы (при этом используется стандартная функция КОРРЕЛ), в ячейке Е13 – сумма ячеек Е4–Е12. Затем используется опция «Поиск решения» (жирный знак вопроса со стрелкой). В раскрывающемся меню ставится задача: установить максимальное значение в ячейке Е13, изменяя ячейки B3–D3 и B12 (выделены жирным курсивом) при ограничениях F3 = 0 и G3 = 1. На рисунке показано полученное решение. Рассчитанная стоимость оцениваемой машины составила 433,83, что довольно близко к результату, полученному при применении метода направленных корректировок.

В изложенном виде метод главного фактора применим и при наличии трех или большего числа аналогов. Приведем подобный пример, построенный на данных примера 5.11 из работы [6].

Пример 2

Оценивается стоимость автоматической блочной котельной АМБК-0,4 (далее – М0) по данным о шести ее аналогах (с М1 по М6). Для характеристик машин используются следующие обозначения:

Характеристика

Обозначение характеристики

Мощность, МВт

X 1

КПД котлов

X 2

Отапливаемый объем, тыс. м3

X 3

Производительность, м3

X 4

Давление газа, КПа

X 5

Потребление газа, м3

X 6

Потребление электроэнергии, КВт/ч

X 7

Исходные данные и результаты расчетов в такой же, как на рисунке, форме представлены в таблице 3.

Таблица 3

Результаты оценки стоимости машины М0

Характеристика

Машина

Коэффициент детерминации

М0

М1

М2

М3

М4

М5

М6

F

0,244

0,446

1,134

0,373

0,715

-0,924

-1,988

X 1

0,4

0,2

0,3

0,5

1,26

1,89

2,52

0,7283

X 2

0,91

0,91

0,91

0,91

0,92

0,92

0,92

0,3663

X 3

12

6

9

15

37,5

56,5

75,6

0,7313

X 4

3

0,5

1

3

5

9

12

0,8093

X 5

2,2

2,2

2,2

3,2

4,2

4,2

4,2

0,3620

X 6

48

24

36

61

152

228

304

0,7285

X 7

5,2

4

4.5

6.4

15

22.5

30

0,7422

V

2 336 , 5

1 043

1 248

2 086

2 970

4 076

5 404

0,7791

5 , 2471

Таким образом, результат оценки стоимости машины М0 с использованием предложенного метода составляет 2 336 , 5 (в работе [6] результат оценки иной – 2 433 , 7). Эту оценку мы прокомментируем позднее, а пока отметим, что в ней отражено и влияние неучтенных непосредственно (случайных) факторов, поскольку коэффициент детерминации между главным фактором и стоимостью 0 , 7791 < 1.

Как видим, применение метода главного фактора дает разумные результаты. В отличие от метода направленных корректировок он не предполагает возрастающую зависимость стоимости машины от ее характеристик и учитывает вероятностный характер взаимосвязей между характеристиками. Его можно использовать, когда количество аналогов отно- сительно мало и построить надежную регрессионную зависимость стоимости машины от всех ее характеристик невозможно (обычно в подобных случаях стараются исключить из модели некоторые «несущественные» характеристики, что приводит к потере информации, которой и так недостаточно).

Тем не менее в рассмотренных нами примерах его применения игнорируется одно важное обстоятельство.

Выше мы привели зависимость стоимости листогибочных кривошипных прессов от номинального усилия пресса и длины рабочего стола из работы [4]. Степенной характер этой зависимости не случаен – как правило, стоимость машин связана с ее техническими характеристиками именно степенно ́ й зависимостью. Да и оценщики нередко связывают стоимость машины с ее «основной характеристикой» (производительностью, мощностью и т. п.) именно степенно ́ й зависимостью, именуя соответствующий показатель степени коэффициентом торможения или коэффициентом Чилтона (см. [3, 6]).

Между тем в методе направленных корректировок различия в значениях отдельных характеристик учитывались путем аддитивной добавки (такое же допущение нередко принимается, когда для оценки объекта используется регрессионная модель). Точно так же, оценивая тесноту связей между стоимостью и отдельными характеристиками, мы имели в виду, что наиболее тесной является линейная, а не степенна ́ я зависимость.

Однако степенна ́ я зависимость превращается в линейную, если заменить характеристики машин их логарифмами. Тогда уже описанная «линейная» версия метода главного фактора превращается в «логарифмическую». При этом таблица с исходной информацией о характеристиках и стоимостях машин становится вспомогательной, а в основной расчетной таблице помещаются логарифмы этих величин. Результаты подобного расчета применительно к примеру 2 представлены в таблице 4.

Результаты оценки стоимости машины методом главного фактора (логарифмическая версия)

Таблица 4

Характеристика

Машина

Коэффициент детерминации

М0

М1

М2

М3

М4

М5

М6

F

0,667

1,307

0,989

0,304

-0,741

-1,127

-1,399

ln X 1

-0,9163

-1,6094

-1,2040

-0,6931

0,2311

0,6366

0,9243

0,9968

ln X 2

-0,0943

-0,0943

-0,0943

-0,0943

-0,0834

-0,0834

-0,0834

0,8895

ln X 3

2,4849

1,7918

2,1972

2,7081

3,6243

4,0342

4,3255

0,9967

ln X 4

1,0986

-0,6931

0,0000

1,0986

1,6094

2,1972

2,4849

0,8927

ln X

5

0,7885

0,7885

0,7885

1,1632

1,4351

1,4351

1,4351

0,9066

ln X

6

3,8712

3,1781

3,5835

4,1109

5,0239

5,4293

5,7170

0,9971

ln X 7

1,6487

1,3863

1,5041

1,8563

2,7081

3,1135

3,4012

0,9833

ln V

7 , 3210

6,9499

7,1293

7,6430

7,9963

8,3129

8,5949

0,9828

V = 1 511 , 6

7 , 6455

Как видим, на этот раз результаты расчета по разным версиям метода существенно различаются. Однако значение V = 1 511 , 6 предпочтительнее по трем причинам:

  • 1)    зависимости стоимости машин от их характеристик обычно нелинейные;

  • 2)    коэффициент детерминации между главным фактором и стоимостью машин в таблице 3 намного ниже, чем в таблице 4;

  • 3)    как видно из таблиц 3 и 4, машина М0 по всем характеристикам является средней между машинами М2 и М3. Но тогда и ее стоимость ( V ) должна лежать в пределах между стоимостями машин М2 и М3, то есть от 1 248 до 2 086, как и получилось в таблице 4. В тех же пределах лежит и стоимость машины М0, оцененная методом направленных корректировок – она будет равна полусумме стоимостей М2 и М3, то есть (1 248 + 2 086) / 2 = 1 667. Однако расчет по линейной версии метода главного фактора (табл. 3) дает оценку V = 2 336 , 5, выходящую за указанные пределы.

При применении методов главного фактора и направленных корректировок предполагается, что зависимости стоимости машин от их характеристик точно не известны. По этой причине говорить о точности этих методов затруднительно. Однако ее можно оценить косвенно, применив тот или иной метод к оценке какой-либо машины в параметрическом ряду, стоимость которой известна. Представляется, что оценки методом главного фактора окажутся более точными.

В заключение отметим, что предложенный метод допускает обобщения, по крайней мере, в четырех направлениях.

Во-первых, выделив один главный фактор, затем можно выделить и второй, и третий, и т. д., что позволит полнее использовать имеющуюся у оценщика информацию об оцениваемой машине и ее аналогах. Процедура такого выделения и одновременного нахождения стоимости оцениваемой машины становится сложнее (для метода главных компонент эта процедура описана в работах [6–9]). Однако, когда аналогов не очень много, а различные их характеристики достаточно тесно связаны, обобщенный в этом направлении метод не сильно изменит получаемые результаты.

Во-вторых, этот метод удобен для того, чтобы одновременно оценивать несколько машин по данным об одних и тех же аналогов. Пусть, скажем, в условиях примера 2 надо оценить не только машину М0, но и машину М5. В этом случае аналогами будут выступать машины М1, М2, М3, М4 и М6. Порядок расчетов при этом не изменится, но результаты окажутся иными: оценки стоимостей машин М0 и М5 составят соответственно 1 518 и 4 401. Полученная стоимость машины М5 отклоняется от известной (4 076) на 7 процентов, что не так уж много, учитывая не слишком большой объем исходной информации. Кстати, если бы здесь требовалось оценить машину М2, то отклонение было бы меньше.

В-третьих, как и в методе направленных корректировок, здесь можно учесть важность, «весомость», отдельных характеристик машины. Для этого при суммировании коэффициентов детерминации отдельным слагаемым можно придавать те или иные веса. Правда, это, как отмечено в работе [2], внесет в результаты расчетов «некоторый субъективизм».

Наконец, в-четвертых, предложенный метод хорошо «комбинируется» с другими методами оценки, основанными на использовании регрессионных зависимостей. Покажем это на примере линейной версии метода.

Пусть, например, на основе какой-то (имеющейся или дополнительной) информации установлена регрессионная зависимость стоимости машин от одной из их характеристик (скажем, мощности) X1 : V ≈ a + bX1 (поскольку зависимость здесь регрессионная, а не точная, мы используем знак приближенного равенства). Отклонения стоимостей аналогов от рассчитанных по такой зависимости обычно объясняют влиянием «случайных», неучтен- ных, факторов. Однако в данном случае их можно объяснить и влиянием других учитываемых факторов. Это делается следующим способом.

Построим (используя только имеющуюся информацию о характеристиках машин) регрессионные зависимости каждой характеристики от X1: X2 ≈ a2 + b2X1, X3 ≈ a3 + b3X1,  Затем для каждой машины рассчитаем разности: Y2 = X2 – a2 – b2X1, Y3 = X3 – a3 – b3X1, ..., а для каждого аналога – еще и разности d = V – a – bX1, то есть отклонения стоимостей от рассчитанных по регрессионной модели. После этого применим метод главного фактора (в линейной версии), взяв в качестве характеристик машин величины Y2, Y3,.. , а в качестве их стоимостей – поправки к стоимостям, то есть величины d. Проведя расчеты, аналогичные представленным на рисунке или в таблице 3, мы получим поправку d к стоимости оцениваемой машины, после чего саму эту стоимость можно будет оценить суммой V = a + bX1 + d.

Представляется, что с учетом изложенного использование метода главного фактора позволит повысить обоснованность расчетов рыночной стоимости машин и оборудования.

Список литературы Метод главного фактора в оценке машин и оборудования

  • Быкова В. Г. Методическое обеспечение оценки рыночной стоимости технологического оборудования: дис.. канд. эконом. наук: 08.00.05 М., 2000.
  • Ковалев А., Быкова В. Внесение направленных корректировок при оценке оборудования//Оборудование: рынок, предложения, цены. 2000. № 2.
  • Ковалев А. П. . Оценка стоимости машин, оборудования и транспортных средств. М.: Интерреклама, 2003.
  • Ковалев А. П. . Основы оценки стоимости машин и оборудования/под ред. М. А. Федотовой. М.: Финансы и статистика, 2006.
  • Гохберг И. И. Некоторые аспекты оценки оборудования/под общей редакцией Я. И. Маркуса. Киев, 2008.
  • Антонов В. П., Антонова Е. В., Шамышев С. К., Шаулова Р. Г. Оценка стоимости машин и оборудования. М.: Русская оценка, 2005.
  • Айвазян С. А., Бухштабер В. М., Енюков И. М., Мешалкин Л. Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1988.
  • Айвазян С. А., Мхитарян В. С. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.
  • Харман Г. Современный факторный анализ. М.: Статистика, 1972.
  • Дубров А. М., Мхитарян В. С., Трошин Л. И. Многомерные статистические методы. М.: Финансы и статистика, 2003.
Еще
Статья научная