Дифференциация регионов РФ при оценке инвестиционной привлекательности с помощью методов интеграции показателей
ART 86424
Авторы:
К.
В. Ефимова, В.
А. Хейнонен
К.
В. Ефимова, В.
А. Хейнонен Библиографическое описание статьи для цитирования:
Ефимова
К.
В.,
Хейнонен
В.
А. Дифференциация регионов РФ при оценке инвестиционной привлекательности с помощью методов интеграции показателей // Научно-методический электронный журнал «Концепт». –
2016. – Т. 11. – С.
1981–1985. – URL:
http://e-koncept.ru/2016/86424.htm.
Аннотация. В статье предлагается исследование оценки инвестиционной привлекательности регионов по потенциалам региона в различных сферах общества. В качестве основных инструментов исследования применялись многомерные методы корреляционного, кластерного анализа, составления интегрального показателя синтетической категории, а также приемы табличного и графического представления статистических данных.
Ключевые слова:
инвестиционный потенциал, инвестиционная привлекательность, интегральный индикатор, дифференциация регионов, критериальная оценка
Текст статьи
Ефимова Ксения Викторовна,студентка ФГБОУ ВПО «Магнитогорский государственный технический университет имN ГNИN Носова», Магнитогорскksushaefimova@mail.ru
Хейнонен Виктория Анатольевна,студентка ФГБОУ ВПО «Магнитогорский государственный технический университет имN ГNИN Носова», Магнитогорскheinonenviktori@mail.ru
Дифференциация регионов РФ при оценке инвестиционной привлекательности с помощью методов интеграции показателей
АннотацияN В статье предлагается исследование оценки инвестиционной привлекательности регионовпо потенциалам региона в различных сферах общества.В качестве основных инструментов исследования применялись многомерные методы корреляционного, кластерного анализа, составления интегрального показателя синтетической категории, а также приемы табличного и графического представления статистических данныхNКлючевые слова: инвестиционная привлекательность, инвестиционный потенциал, интегральный индикатор, дифференциация регионов, критериальная оценка.
Для оценки конкурентоспособности региона используется такой показатель, какобъем вовлекаемых в его экономику инвестицийN Однако разрыв между существующимуровнем инвестиций в регионе и уровнем, необходимым для обеспечения егостабильного роста, разительно отличается.При исследовании экономикирегионовнеобходимо использоватькомплексный подходN Следует особо обратить внимание на показатель инвестиционной привлекательности, применяемый при оценкеэффективности управления экономикой региона. В сущности,важнейшим условием достижения высокого уровня инвестиционной деятельности является показатель степениинвестиционной привлекательности.Инвестиционная привлекательность –интегральная характеристика институциональной единицы с позиции инвестиционного климата, уровня развития инвестиционной инфраструктуры, возможностей привлечения инвестиционных ресурсов и других факторов, существенно влияющих на формирование доходности инвестиций и инвестиционных рисковN Уровень инвестиционной привлекательности выступает при этом как интегральный показатель, суммирующий разнонаправленное влияние показателей инвестиционного потенциала и инвестиционного рискаNТакая оценка региона обычно дается в баллах (следовательно, она неизбежно несет на себе печать субъективизма) по отдельным компонентным потенциалам, значения которых интерпретируются непосредственноN При этом могут учитываться разные наборы показателейNПри анализе такой синтетической категории как привлекательность региона, нами было принято решение о построении сложного интегрального показателяN Исходя из выбранной методологии, выделим следующие этапы исследования процессаN На базе доступной информации, предоставленной на сайте gksNru, нами была предпринята попытка сконструировать сложный индикатор, измеряющий анализируемый синтетический показатель уровня инвестиционной привлекательности в шкале от 0 до 1 (в порядке увеличения: 0 –не инвестируемый, 1высоко инвестируемый)N Для первоначального анализа,исходя из определения инвестиционной привлекательности как совокупности потенциалов, мною были выделены 5 групп первоначальных показателей, содержащих 43 показателя, наиболее полно описывающих влияние исследуемого явления:1.Факторы, характеризующие трудовой потенциал:среднегодовая численность занятых в экономике, уровень экономической активности населения, уровень безработицыN2.Факторы, характеризующие социальный потенциал: индексы потребительских цен, индексы цен на первичном рынке жилья, индексы цен на вторичном рынке жилья, коэффициенты миграционного прироста на 10 000 человек населения, ожидаемая продолжительность жизни при рождении, коэффициент естественного прироста населения, коэффициенты демографической нагрузки, соотношение мужчин и женщин, удельный вес городского населения, индекс физического объема валового регионального продукта, фактическое конечное потребление домашних хозяйств на душу населения, валовой региональный продукт на душу населения, число зарегистрированных преступлений на 100000 человек, объем услуг связи, оказанных населению, на одного жителяN3.Факторы, характеризующие инновационный потенциал: объем инновационных товаров, работ, услуг, инновационная активность организаций, используемые передовые производственные технологи, численность персонала, занятого научными исследованиями и разработками, затраты на ИКТ, использование электронного документооборота в организациях, число персональных компьютеров на 100 работниковN4.Факторы, характеризующие экологическоресурсный потенциал: площадь земель лесного фонда и земель иных категорий, на которых расположены леса, общий запас древесины, сельскохозяйственные угодия, улавливание загрязняющих атмосферу веществ, отходящих от стационарных источников, сброс загрязненных сточных вод в поверхностные водные объекты, объем оборотной и последовательно используемой водыN5.Факторы, характеризующие производственный потенциал:удельный вес убыточных организаций, индексы тарифов на грузовые перевозки, индексы цен производителей промышленных товаров, валовое накопление основного капитала, степень износа основных фондов, стоимость основных фондов, число предприятий и организаций, число организаций с участием иностранного капитала, оборот организаций, число малых предприятий на 10000 населения, оборот малых предприятий, грузооборот автомобильного транспорта организаций всех видов деятельности, плотность автомобильных дорог общего пользования с твердым покрытиемNПосле унификации исходных данных по формулам (1), (2) проводится анализ мультиколлинеарности частных критериев априорного набора показателей, распределенных по блокамN Затем производится отбор наиболее информативных факторов с помощью характеристики коэффициента детерминацииN Таким образом, максимизируется прогностическая сила регрессионных моделей,тNеN можно легко восстановить значения всего набора показателей анализируемого разделаN При монотонно возрастающей зависимости:х̃=x−xminxmax−xmin∗N (1)При монотонно убывающей зависимостих̃=xmax−xxmax−xmin∗N (2)После проведения первичной обработки данных, мы проводим анализ тесноты связи внутри блоков и отбираем наиболее информативныеN Для этого обратимся к показателям коэффициентов корреляции и коэффициентов детерминацииN В результате были отобраны 11 показателей, наиболее полно объясняющих выделенные нами блокиNМетодику выполнения отбора покажем на блоке факторов, характеризующих природноресурсный потенциалNПосле выявления сильно коррелирующих признаков проводим методику исключения менее информативных факторов с помощью коэффициента детерминацииN Для коррелирующих между собой факторов –выбираем один наиболее информативный, для всех смотрим, чтобы R2 ≥ 0,6N По результатам проведенного анализа был выявлен набор факторов, которые войдут в последующее исследование: площадь земель лесного фонда и земель иных категорий, на которых расположены лесаNВ дальнейшем мы будем исследовать единый блок апостериорного набора факторов из выбранных нами блоковN Этот набор включает такие признаки, как
среднегодовая численность занятых в экономике, плотность автомобильных дорог общего пользования с твердым покрытием, стоимость основных фондов, оборот организаций, оборот малых предприятий, численность персонала, занятого научными исследованиями и разработками, площадь земель лесного фонда и земель иных категорий, на которых расположены леса, коэффициент естественного прироста населения,фактическое конечное потребление домашних хозяйств на душу населения, используемые передовые производственные технологии, число предприятий и организацийN
Между показателями наблюдается сильная корреляционная связьN Заметим, что показатели площадь земельных угодий и коэффициент естественного прироста слабо связаны с остальными факторами, следовательно, в окончательный апостериорный набор войдут 9 факторов, указанных ранее за исключением площади земель и коэффициента естественного приростаNПо анализируемой категории было принято решение о линейном виде интегрального индикатораN Построение функции опирается на основное положение метода главных компонентN Для рассматриваемого анализируемого свойства было выявлена ситуация работоспособности 1ой главной компоненты (λ1 >55%).При ситуации работоспособности первой ГК необходимо рассматривать значения индикатора, строящегося в виде: ŷi=∑ωj∗pj=1x̂i(j) (3)где ωjвесовые коэффициенты, определяемые по формуле: ωj=cj2 (4)где сjкомпоненты собственного вектора, соответствующие собственному числу λ1.Результаты исследования представлены в таблице 1.
Таблица 1
Интегральный индикатор инвестиционной привлекательности для регионов РФ
1Республика Тыва0,0052Республика Калмыкия0,0073Республика Алтай0,0114Еврейская автономная область0,0145КарачаевоЧеркесская Республика0,0166Республика Ингушетия0,017………72Челябинская область0,10273Республика Башкортостан0,10574Ставропольский край0,10675Самарская область0,11376Краснодарский край0,11977Республика Татарстан0,12078Нижегородская область0,14779Свердловская область0,15880Тюменская область0,18581Московская область0,26282гN СанктПетербург0,27783гN Москва0,741
Таким образом, по результатам работы можно классифицировать регионы по уровню скалярного индикатора инвестиционной привлекательностиNТаблица 2 Группы регионов по уровню инвестиционной привлекательности
Благополучные инвестиционно привлекательные и конкурентоспособные регионы (yi >= 0,2)Московская область, гN Москва, гN СNПетербургСоциальноэкономически развитые и отраслевые регионы с развитой инфраструктурой (0,03 < yi < 0,2)Челябинская область, Новосибирская область, Республика Башкортостан, Алтайский край, Владимирская область, Астраханская областьДепрессивные и периферийные регионы со слаборазвитой социальной сферой (yi <= 0,03)Республика Ингушетия, Республика Калмыкия, Республика Тыва, Республика Алтай, Еврейская автономная область
Такая дифференциация регионов вполне закономерна: Ингушетия, Республика Тыва относятся к кризисным регионам, экономика которых находится не в лучшем состоянииN Другие регионы, которые были отнесены к депрессивным регионам, обладают слаборазвитой инфраструктурой и социальной сферойN Кроме того, географический и климатический факторы влекут за собой такие последствия развития инвестиционного климата, как например, повышение издержек в транспортной и производственной сфере, снижение производительности труда и падение рентабельности в ведущих отраслях субъекта РФN В стан лидеров попали столичные регионы, а также Республика Башкортостан, что, конечно, является положительным фактором, поскольку эти регионы вместе с Краснодарским краем и Ростовской областью призваны задавать стандарты инвестиционной привлекательностиNФактор территориального расположения оказывает сильное влияние на положение региона в классификацииN Высокая межрегиональная дифференциация объясняется комплекс причин, в который входят такие критерии, как: социальноэкономическое развитие региона, состояние регионального рынка труда и товаров и услуг, различия в стоимости жизни; объем и степень развития рыночной инфраструктуры; отраслевая и экспортная направленность региона. Сравним полученные результаты по методике интегрального индикатора с построенным в 2014 году рейтингом от агентства«Эксперт РA»N Эта методика оценки климата территории состоит в формировании плоскости «потенциал —риск» и распределении регионов по ее сетке от квадранта 1А: максимальный потенциал –минимальный риск до квадранта 3D низкий потенциал –экстремальный рискNИсходя из результатов рэнкинга, ситуация очень высокого риска при низком потенциале сложилась в Тыве и Ингушетии, а также во всем СевероКавказском Федеральном округе, что делает эти районы пока малопривлекательными для инвесторовNНаибольшим инвестиционным потенциалом обладают Москва и СанктПетербург, а также регионы, обладающие мощным ресурсносырьевым потенциаломNТакже видим, что большинство регионов находятся в квадранте, характеризующем регионы с пониженным потенциалом, следовательно, уровень инвестиционной привлекательности в них значительно меньше требуемого уровня и сильно отличается от регионовлидеровN
Рисунок 1 –Рэнкинг регионов РФ по критерию инвестиционной привлекательности от агентства «Эксперт РА» по 2014 годуНаш индикатор можетбыть адекватной и состоятельной характеристикой, поскольку результаты проведенного нами анализа почти в точности совпадают с качественной оценкой от агентства «Эксперт РА»N Что в свою очередь доказывает, что иногда субъективная, но экспертная оценка можетслужить качественной и полной характеристикой изучаемой категорииN
Ссылки на источники1.Айвазян СNАN Интегральные индикаторы качества жизни населения: их построение и использование в социальноэкономическом управлении и межрегиональных сопоставлениях/ СNАN АйвазянN –МN, ЦЭМИ РАН, 2007N –117 сN2.Бабанов АNВN Инновации как средство повышения инвестиционной привлекательности в регионах РФ / АNВN Бабанов –Экономика, Статистика и Информатика, Вестник УМОN МЭСИN 2012. № 2N СN 7113.Статистический сборник «Регионы РоссииN Социальноэкономические показатели» МN: Госкомстат, 2014. –900 сN4.http://www.raexpert.ru–«Эксперт РА» Рейтинговое агентство (дата обращения 25N12N2015)
Хейнонен Виктория Анатольевна,студентка ФГБОУ ВПО «Магнитогорский государственный технический университет имN ГNИN Носова», Магнитогорскheinonenviktori@mail.ru
Дифференциация регионов РФ при оценке инвестиционной привлекательности с помощью методов интеграции показателей
АннотацияN В статье предлагается исследование оценки инвестиционной привлекательности регионовпо потенциалам региона в различных сферах общества.В качестве основных инструментов исследования применялись многомерные методы корреляционного, кластерного анализа, составления интегрального показателя синтетической категории, а также приемы табличного и графического представления статистических данныхNКлючевые слова: инвестиционная привлекательность, инвестиционный потенциал, интегральный индикатор, дифференциация регионов, критериальная оценка.
Для оценки конкурентоспособности региона используется такой показатель, какобъем вовлекаемых в его экономику инвестицийN Однако разрыв между существующимуровнем инвестиций в регионе и уровнем, необходимым для обеспечения егостабильного роста, разительно отличается.При исследовании экономикирегионовнеобходимо использоватькомплексный подходN Следует особо обратить внимание на показатель инвестиционной привлекательности, применяемый при оценкеэффективности управления экономикой региона. В сущности,важнейшим условием достижения высокого уровня инвестиционной деятельности является показатель степениинвестиционной привлекательности.Инвестиционная привлекательность –интегральная характеристика институциональной единицы с позиции инвестиционного климата, уровня развития инвестиционной инфраструктуры, возможностей привлечения инвестиционных ресурсов и других факторов, существенно влияющих на формирование доходности инвестиций и инвестиционных рисковN Уровень инвестиционной привлекательности выступает при этом как интегральный показатель, суммирующий разнонаправленное влияние показателей инвестиционного потенциала и инвестиционного рискаNТакая оценка региона обычно дается в баллах (следовательно, она неизбежно несет на себе печать субъективизма) по отдельным компонентным потенциалам, значения которых интерпретируются непосредственноN При этом могут учитываться разные наборы показателейNПри анализе такой синтетической категории как привлекательность региона, нами было принято решение о построении сложного интегрального показателяN Исходя из выбранной методологии, выделим следующие этапы исследования процессаN На базе доступной информации, предоставленной на сайте gksNru, нами была предпринята попытка сконструировать сложный индикатор, измеряющий анализируемый синтетический показатель уровня инвестиционной привлекательности в шкале от 0 до 1 (в порядке увеличения: 0 –не инвестируемый, 1высоко инвестируемый)N Для первоначального анализа,исходя из определения инвестиционной привлекательности как совокупности потенциалов, мною были выделены 5 групп первоначальных показателей, содержащих 43 показателя, наиболее полно описывающих влияние исследуемого явления:1.Факторы, характеризующие трудовой потенциал:среднегодовая численность занятых в экономике, уровень экономической активности населения, уровень безработицыN2.Факторы, характеризующие социальный потенциал: индексы потребительских цен, индексы цен на первичном рынке жилья, индексы цен на вторичном рынке жилья, коэффициенты миграционного прироста на 10 000 человек населения, ожидаемая продолжительность жизни при рождении, коэффициент естественного прироста населения, коэффициенты демографической нагрузки, соотношение мужчин и женщин, удельный вес городского населения, индекс физического объема валового регионального продукта, фактическое конечное потребление домашних хозяйств на душу населения, валовой региональный продукт на душу населения, число зарегистрированных преступлений на 100000 человек, объем услуг связи, оказанных населению, на одного жителяN3.Факторы, характеризующие инновационный потенциал: объем инновационных товаров, работ, услуг, инновационная активность организаций, используемые передовые производственные технологи, численность персонала, занятого научными исследованиями и разработками, затраты на ИКТ, использование электронного документооборота в организациях, число персональных компьютеров на 100 работниковN4.Факторы, характеризующие экологическоресурсный потенциал: площадь земель лесного фонда и земель иных категорий, на которых расположены леса, общий запас древесины, сельскохозяйственные угодия, улавливание загрязняющих атмосферу веществ, отходящих от стационарных источников, сброс загрязненных сточных вод в поверхностные водные объекты, объем оборотной и последовательно используемой водыN5.Факторы, характеризующие производственный потенциал:удельный вес убыточных организаций, индексы тарифов на грузовые перевозки, индексы цен производителей промышленных товаров, валовое накопление основного капитала, степень износа основных фондов, стоимость основных фондов, число предприятий и организаций, число организаций с участием иностранного капитала, оборот организаций, число малых предприятий на 10000 населения, оборот малых предприятий, грузооборот автомобильного транспорта организаций всех видов деятельности, плотность автомобильных дорог общего пользования с твердым покрытиемNПосле унификации исходных данных по формулам (1), (2) проводится анализ мультиколлинеарности частных критериев априорного набора показателей, распределенных по блокамN Затем производится отбор наиболее информативных факторов с помощью характеристики коэффициента детерминацииN Таким образом, максимизируется прогностическая сила регрессионных моделей,тNеN можно легко восстановить значения всего набора показателей анализируемого разделаN При монотонно возрастающей зависимости:х̃=x−xminxmax−xmin∗N (1)При монотонно убывающей зависимостих̃=xmax−xxmax−xmin∗N (2)После проведения первичной обработки данных, мы проводим анализ тесноты связи внутри блоков и отбираем наиболее информативныеN Для этого обратимся к показателям коэффициентов корреляции и коэффициентов детерминацииN В результате были отобраны 11 показателей, наиболее полно объясняющих выделенные нами блокиNМетодику выполнения отбора покажем на блоке факторов, характеризующих природноресурсный потенциалNПосле выявления сильно коррелирующих признаков проводим методику исключения менее информативных факторов с помощью коэффициента детерминацииN Для коррелирующих между собой факторов –выбираем один наиболее информативный, для всех смотрим, чтобы R2 ≥ 0,6N По результатам проведенного анализа был выявлен набор факторов, которые войдут в последующее исследование: площадь земель лесного фонда и земель иных категорий, на которых расположены лесаNВ дальнейшем мы будем исследовать единый блок апостериорного набора факторов из выбранных нами блоковN Этот набор включает такие признаки, как
среднегодовая численность занятых в экономике, плотность автомобильных дорог общего пользования с твердым покрытием, стоимость основных фондов, оборот организаций, оборот малых предприятий, численность персонала, занятого научными исследованиями и разработками, площадь земель лесного фонда и земель иных категорий, на которых расположены леса, коэффициент естественного прироста населения,фактическое конечное потребление домашних хозяйств на душу населения, используемые передовые производственные технологии, число предприятий и организацийN
Между показателями наблюдается сильная корреляционная связьN Заметим, что показатели площадь земельных угодий и коэффициент естественного прироста слабо связаны с остальными факторами, следовательно, в окончательный апостериорный набор войдут 9 факторов, указанных ранее за исключением площади земель и коэффициента естественного приростаNПо анализируемой категории было принято решение о линейном виде интегрального индикатораN Построение функции опирается на основное положение метода главных компонентN Для рассматриваемого анализируемого свойства было выявлена ситуация работоспособности 1ой главной компоненты (λ1 >55%).При ситуации работоспособности первой ГК необходимо рассматривать значения индикатора, строящегося в виде: ŷi=∑ωj∗pj=1x̂i(j) (3)где ωjвесовые коэффициенты, определяемые по формуле: ωj=cj2 (4)где сjкомпоненты собственного вектора, соответствующие собственному числу λ1.Результаты исследования представлены в таблице 1.
Таблица 1
Интегральный индикатор инвестиционной привлекательности для регионов РФ
1Республика Тыва0,0052Республика Калмыкия0,0073Республика Алтай0,0114Еврейская автономная область0,0145КарачаевоЧеркесская Республика0,0166Республика Ингушетия0,017………72Челябинская область0,10273Республика Башкортостан0,10574Ставропольский край0,10675Самарская область0,11376Краснодарский край0,11977Республика Татарстан0,12078Нижегородская область0,14779Свердловская область0,15880Тюменская область0,18581Московская область0,26282гN СанктПетербург0,27783гN Москва0,741
Таким образом, по результатам работы можно классифицировать регионы по уровню скалярного индикатора инвестиционной привлекательностиNТаблица 2 Группы регионов по уровню инвестиционной привлекательности
Благополучные инвестиционно привлекательные и конкурентоспособные регионы (yi >= 0,2)Московская область, гN Москва, гN СNПетербургСоциальноэкономически развитые и отраслевые регионы с развитой инфраструктурой (0,03 < yi < 0,2)Челябинская область, Новосибирская область, Республика Башкортостан, Алтайский край, Владимирская область, Астраханская областьДепрессивные и периферийные регионы со слаборазвитой социальной сферой (yi <= 0,03)Республика Ингушетия, Республика Калмыкия, Республика Тыва, Республика Алтай, Еврейская автономная область
Такая дифференциация регионов вполне закономерна: Ингушетия, Республика Тыва относятся к кризисным регионам, экономика которых находится не в лучшем состоянииN Другие регионы, которые были отнесены к депрессивным регионам, обладают слаборазвитой инфраструктурой и социальной сферойN Кроме того, географический и климатический факторы влекут за собой такие последствия развития инвестиционного климата, как например, повышение издержек в транспортной и производственной сфере, снижение производительности труда и падение рентабельности в ведущих отраслях субъекта РФN В стан лидеров попали столичные регионы, а также Республика Башкортостан, что, конечно, является положительным фактором, поскольку эти регионы вместе с Краснодарским краем и Ростовской областью призваны задавать стандарты инвестиционной привлекательностиNФактор территориального расположения оказывает сильное влияние на положение региона в классификацииN Высокая межрегиональная дифференциация объясняется комплекс причин, в который входят такие критерии, как: социальноэкономическое развитие региона, состояние регионального рынка труда и товаров и услуг, различия в стоимости жизни; объем и степень развития рыночной инфраструктуры; отраслевая и экспортная направленность региона. Сравним полученные результаты по методике интегрального индикатора с построенным в 2014 году рейтингом от агентства«Эксперт РA»N Эта методика оценки климата территории состоит в формировании плоскости «потенциал —риск» и распределении регионов по ее сетке от квадранта 1А: максимальный потенциал –минимальный риск до квадранта 3D низкий потенциал –экстремальный рискNИсходя из результатов рэнкинга, ситуация очень высокого риска при низком потенциале сложилась в Тыве и Ингушетии, а также во всем СевероКавказском Федеральном округе, что делает эти районы пока малопривлекательными для инвесторовNНаибольшим инвестиционным потенциалом обладают Москва и СанктПетербург, а также регионы, обладающие мощным ресурсносырьевым потенциаломNТакже видим, что большинство регионов находятся в квадранте, характеризующем регионы с пониженным потенциалом, следовательно, уровень инвестиционной привлекательности в них значительно меньше требуемого уровня и сильно отличается от регионовлидеровN
Рисунок 1 –Рэнкинг регионов РФ по критерию инвестиционной привлекательности от агентства «Эксперт РА» по 2014 годуНаш индикатор можетбыть адекватной и состоятельной характеристикой, поскольку результаты проведенного нами анализа почти в точности совпадают с качественной оценкой от агентства «Эксперт РА»N Что в свою очередь доказывает, что иногда субъективная, но экспертная оценка можетслужить качественной и полной характеристикой изучаемой категорииN
Ссылки на источники1.Айвазян СNАN Интегральные индикаторы качества жизни населения: их построение и использование в социальноэкономическом управлении и межрегиональных сопоставлениях/ СNАN АйвазянN –МN, ЦЭМИ РАН, 2007N –117 сN2.Бабанов АNВN Инновации как средство повышения инвестиционной привлекательности в регионах РФ / АNВN Бабанов –Экономика, Статистика и Информатика, Вестник УМОN МЭСИN 2012. № 2N СN 7113.Статистический сборник «Регионы РоссииN Социальноэкономические показатели» МN: Госкомстат, 2014. –900 сN4.http://www.raexpert.ru–«Эксперт РА» Рейтинговое агентство (дата обращения 25N12N2015)
