Метод главного фактора в оценке машин и оборудования
Автор: Смоляк Сергей Абрамович
Журнал: Имущественные отношения в Российской Федерации @iovrf
Рубрика: Экономика и управление народным хозяйством - оценка различных объектов
Статья в выпуске: 8 (191), 2017 года.
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/ч |
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
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/ч |
X 4 |
Давление газа, КПа |
X 5 |
Потребление газа, м3/ч |
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.