Xreferat.com » Рефераты по экономико-математическому моделированию » Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

а на 40 % влиянием прочих факторов.

Покажем вычисленные в п. 2.3 основные статистические характеристики в таблице 2.7.


Таблица 2.7Обобщающая таблица статистических расчетов

Показатель

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Значение 555,17 47468,66 72308,31 119776,97 0,60
Краткая характеристика



Признаки месторасположение региона и объем инвестиций взаимосвязаны

2.4 Анализ влияния инвестиций в инновационную деятельность на объем отгруженной инновационной продукции


Предположим, что объем отгруженной инновационной продукции в Новосибирской области зависит от величины инвестиций в инновационную деятельность. Проверим это предположение с помощью корреляционно-регрессионного анализа (КРА).

Этапы анализа:

1. Постановка цели исследования.

Определить наличие или отсутствие зависимости между показателями величины инвестиций в инновационную деятельность и объема отгруженной инновационной продукции. Построить регрессионную модель этой зависимости, проверить её качество и использовать эту модель для анализа и прогнозирования.

2. Сбор исходной статистической информации.

Информацию для исследования находим в статистических ежегодниках. Представим данные в табличной форме (табл. 2.8).


Таблица 2.8 Исходная информация для КРА

Годы Объем инвестиций, млн. руб. Объем отгруженной инновационной продукции, млн. руб.
2000 205,6 784,8
2001 687,4 1384,0
2002 662,1 1016,4
2003 638,2 1548,2
2004 273,3 1555,7
2005 278,6 1630,2
2006 361,2 1676,0
2007 398,1 1900,1
2008 431,6 2032,4
2009 620,2 2864,8

Введем обозначения: xi – объем инвестиций, yi – объем отгруженной инновационной продукции. Графически зависимость исходных данных представлена на рисунке 2.6.


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Рис.2.1. Зависимость объема отгруженной инновационной продукции от объема инвестиций

3. Оценка тесноты связи между признаками.

3.1. Предположим, что изучаемые признаки связаны линейной зависимостью. Рассчитаем линейный коэффициент корреляции по формуле: Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране) Промежуточные расчеты представлены в таблице 2.9.


Таблица 2.9 Промежуточные расчеты для определения параметров регрессии

Годы xi yi xy x2 y2
2000 205,6 784,8 161354,9 42271,36 615911,0
2001 687,4 1384,0 951361,6 472518,76 1915456,0
2002 662,1 1016,4 672958,4 438376,41 1033069,0
2003 638,2 1548,2 988061,2 407299,24 2396923,2
2004 273,3 1555,7 425172,8 74692,89 2420202,5
2005 278,6 1630,2 454173,7 77617,96 2657552,0
2006 361,2 1676,0 605371,2 130465,44 2808976,0
2007 398,1 1900,1 756424,1 158483,61 3610325,7
2008 431,6 2032,4 877191,5 186278,56 4130722,3
2009 620,2 2864,8 1776718 384648,04 8206792,6
∑ 4556,3 16392,6 7668788 2372652,27 29795930,4

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране) Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Коэффициент линейной корреляции, равный 0,215, свидетельствует о наличии прямой связи между объемом инвестиций и объемом отгруженной инновационной продукции, но недостаточно тесной.

3.2 Оценка существенности коэффициента корреляции

Для этого найдем расчетное значение t-критерия Стьюдента:


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


По таблице критических точек распределения Стьюдента найдем tкр при уровне значимости α=0,05 и числе степеней свободы

ν = n-k-1 = 10-1-1=8. tкр = 2,306. Так как tрасч < tкр (0,622 < 2,306), то линейный коэффициент не считается значимым, а связь между x и y не является существенной, а обусловлена действием случайных причин.

4. Построение уравнения регрессии.

Этап построения регрессионного уравнения состоит в идентификации (оценке) его параметров, оценке их значимости и значимости уравнения в целом.

4.1. Идентификация регрессии. Построим линейную однофакторную регрессионную модель вида Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране) Для оценки неизвестных параметров a0, a1 используется метод наименьших квадратов, заключающийся в минимизации суммы квадратов отклонений теоретических значений зависимой переменной от наблюдаемых (эмпирических).

Система нормальных уравнений для нахождения параметров a0, a1 имеет вид:


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

После преобразования системы получим:


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


Решением системы являются значения параметров:


а0 = 1332,36; a1 = 0,67.

Уравнение регрессии: Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Коэффициент детерминации: Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Рис.2.2. Графическое представление уравнения регрессии


Таким образом, судя по регрессионному коэффициенту а1=0,67, можно утверждать, что с увеличением инвестиций на 1 млрд. рублей объем отгруженной инновационной продукции в рублях увеличивается в среднем на 670 млн. рублей в год. Для удобства интерпретации параметра а1 используют коэффициент эластичности. Он показывает средние изменения результативного признака при изменении факторного признака на 1% и вычисляется по формуле, %:


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


В рассматриваемом примере Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране) Следовательно с возрастанием инвестиций на 1% следует ожидать повышения объема инновационной продукции на 0,19%.

Коэффициент регрессии а0=1332,36 учитывает влияние факторов, неучтенных в модели. В нашем случае влияние неучтенных факторов достаточно велико.

Коэффициент детерминации Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране) показывает, что 4,6% вариации признака «объем отгруженной инновационной продукции» обусловлено вариацией признака «объем инвестиций», а остальные 95,4% вариации связаны с воздействием неучтенных факторов: уровень развития производства на период начала инвестиций, кадровый потенциал, целевое использование средств и другие.

4.2 Проверка значимости параметров регрессии.

Для того, чтобы оценить на сколько параметры а1, а0 отображают исследуемый процесс и не являются ли эти значения результатом случайных величин, рассчитаем средние ошибки и t-критерии Стьюдента.


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

По таблице критических точек распределения Стьюдента найдем tкр при уровне значимости α=0,05 и числе степеней свободы ν = 8. tкр = 2,306. Так как tа0расч > tкр (7,13 > 2,306), то параметр а0 считается значимым. Так как tа1расч < tкр (0,62 < 2,36), то параметр а1 не считается значимым.

4.3. Проверка значимости уравнения регрессии в целом.


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


По таблице критических значений критерия Фишера найдем Fкр=5,32 (при α=0,05, ν1=k=1, ν2=n-k-1=8). Так как Fрасч < Fкр (0,386 < 5,32), то для уровня значимости α=0,05 и числе степеней свободы ν1=1, ν2=8 построенное уравнение регрессии нельзя считать значимым.

5. Многофакторный корреляционный и регрессионный анализ

Проведем многофакторный корреляционный и регрессионный анализ. Представим данные в табличной форме (табл. 2.10).


Таблица 2.10 Исходная информация для КРА

Годы Объем инвестиций, млн. руб. Число инновационно-активных предприятий, шт. Объем отгруженной инновационной продукции, млн. руб.
2000 205,6 32 784,8
2001 687,4 34 1384,0
2002 662,1 32 1016,4
2003 638,2 36 1548,2
2004 273,3 33 1555,7
2005 278,6 31 1630,2
2006 361,2 34 1676,0
2007 398,1 36 1900,1
2008 431,6 38 2032,4
2009 620,2 44 2864,8

Введем обозначения: x1i – объем инвестиций, x2i – число инновационно-активных предприятий, yi – объем отгруженной инновационной продукции.

Считая зависимость между этими показателями линейной, определим уравнение связи, вычислим множественные и частные коэффициенты корреляции и оценим значимость модели.

Промежуточные расчеты представлены в таблице 2.11.


Таблица 2.11 Промежуточные расчеты для определения параметров регресси

Годы x1i x2i yi
x2 x2
y2
x1i y
x2i y
x1i x2i
2000 205,6 32 784,8
42271,36 1024
615911
161354
25113
6579
2001 687,4 34 1384,0
472518,7 1156
1915456
951361
47056
23371
2002 662,1 32 1016,4
438376,4 1024
1033069
672958
32524
21187
2003 638,2 36 1548,2
407299,2 1296
2396923
988061
55735
22975
2004 273,3 33 1555,7
74692,89 1089
2420202
425172
51338
9018
2005 278,6 31 1630,2
77617,96 961
2657552
454173
50536
8636
2006 361,2 34 1676,0
130465,4 1156
2808976
605371
56984
12280
2007 398,1 36 1900,1
158483,6 1296
3610380
756429
68403
14331,6
2008 431,6 38 2032,4
186278,5 1444
4130650
877183
77231
16400
2009 620,2 44 2864,8
384648,0 1936
8207079
1776749
126051
27288
∑ 4556 350 16392,6
2372652 12382
29796199
7668817
590973
162070

Парные коэффициенты корреляции:

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


Частные коэффициенты корреляции:


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


Коэффициент множественной корреляции:


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


Совокупный коэффициент множественной детерминации:Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране).Он показывает, что вариация объема инновационного продукта на 79,2 % обусловливается двумя анализируемыми факторами.

Система нормальных уравнений имеет вид:


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Решением системы являются значения параметров:


а0 = 1332,36; a1 = 0,67.


Уравнение регрессии: Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)

Проверку значимости уравнения регрессии произведем на основе вычисления F-критерия Фишера:


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


По таблице критических значений критерия Фишера найдем Fкр=5,32 (при α=0,05, ν1=m-1=1, ν2=n-m=8). Так как Fрасч > Fкр (39,6 > 5,32), то для уровня значимости α=0,05 и числе степеней свободы ν1=1, ν2=8 построенное уравнение регрессии можно считать значимым.


3.Вычисление индексов и их использование в экономико-статистических исследованиях


Произведем вычисление индексов на основе данных о выпуске инновационных товаров научным центром «Вектор». Из последнего выделилась масса коммерческих предприятий. Успешными предприятиями, работающими на новосибирском и общероссийском рынках, являются «Вектор-Бест» (производство диагностических наборов), «Вектор-БиАльгам» (производство диагностических наборов, вакцины против гепатита А, кисломолочных продуктов для лечебно-профилактического питания), «Вектор-Медика» (производство лекарственных препаратов) (Конт-Сибирь).


Таблица 3.1 Исходные данные о выпуске инновационных товаров научным центром«Вектор»

Товар Выпуск продукции, тыс. шт. Цена единицы продукции, руб.

2002г. 2003 г. 2002г. 2003 г.
Диагностический набор 23 31 5300 5500
Лекарственные препараты 897 1367 130 145

Индивидуальные индексы физического объема


iqA = 31/23=134,8% (рост на 34,8%)

iqБ =1367/897=152,4% (рост на 52,4%)


Индивидуальные индексы цен


ipA=5500/5300=103,8% (рост на 3,8%)

ipБ=145/130=111,5% (рост на 11,5%)


Индивидуальные индексы товарооборота

ipq А = (31*5500)/(23*5300)=139,9% (рост на 39,9%)

ipq Б = (1367*145)/(897*130)=170% (рост на 70%)


Изменение по предприятию в целом (по двум товарам) индивидуальным индексом оценить нельзя, т.к. совокупность неоднородная. Поэтому воспользуемся сводным индексом.

Сводный индекс общего товарооборота


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


Объем общего товарооборота вырос на 55%. В абсолютном выражении изменение товарооборота составляет:


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)=368715-238510= 130205 тыс.руб.


Этот рост достигнут за счет изменения количества продукции.

Агрегатный индекс физического объема

Поскольку данный индекс является индексом количественного показателя (объема продукции), вычислим его, применяя базисные веса, т.е. при расчете используем уровень цен базисного периода


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


Наблюдается рост физического объема продукции на 43,4%. В абсолютном выражении прирост физического объема продукции равен


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)=342010-238510=103500 тыс.руб.

Агрегатный индекс цен

Поскольку данный индекс является индексом качественного показателя (цен), вычислим его, применяя отчетные веса, т.е. при расчете используем объем производства отчетного периода


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


Цены увеличились на 7,8 % . Перерасход денежных средств потребителей:


Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)=368715-342010=26705 тыс.руб.


Индексный метод широко применяется для изучения динамики средних величин и выявления факторов, влияющих на динамику средних. С этой целью исчисляется система взаимосвязанных индексов: переменного, постоянного состава и структурных сдвигов.

Индекс переменного состава Iпер представляет собой отношение двух взвешенных средних величин, характеризующее изменение индексируемого (осредняемого) показателя.


Iпер = Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


Величина этого индекса характеризует изменение средней взвешенной за счет влияния двух факторов: осредняемого показателя у отдельных единиц совокупности и структуры изучаемой совокупности.

В нашем примере индекс показал, что прирост составил 2% за счет изменения цены и структуры производства.

Индекс постоянного (фиксированного) состава Iфикс представляет собой отношение средних взвешенных с одними и теми же весами (т.е. при постоянной структуре).


Iфикс = Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


Индекс постоянного состава учитывает изменение только индексируемой величины и показывает средний размер изменения изучаемого показателя у единиц совокупности.

В нашем примере индекс показал, что прирост составил 7,8% только за счет изменения цены.

Индекс структурных сдвигов Iстр характеризует влияние изменения структуры изучаемого явления на динамику среднего уровня индексируемого показателя.


Iстр = Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране)


Под структурными изменениями понимается изменение доли отдельных групп единиц совокупности к общей их численности.

В нашем примере индекс показал, что потери составили 6% за счет изменения структуры производства.

4. Показатели и методы расчета, используемые в прикладной статистике


Таблица 4.1 Данные оценки эффективности оптимизированного инновационного проекта

Годы Чистый дисконтированный денежный поток Инвестиционные вложения Коэффициент дисконтирования Дисконтированный денежный поток Дисконтированный денежный поток
2003 ___ 185,5 1 ___ 185,5
2004 43,98 56,25 0,855 37,603 48,094
2005 112,18 87,75 0,731 82,003 64,145
2006 215,7 92,25 0,624 134,597 57,564
2007 215,7 ___ 0,534 115,184 ___
2008 215,7 ___ 0,456 98,359 ___
2009 158,35 ___ 0,390 61,756 ___
2010 81,27 ___ 0,333 27,063 ___
Итого 1042,88 421,75 ___ 556,565 355,303

Расчет показателей эффективности

Чистый приведенный доход представляет собой величину разностей результатов инвестиционных затрат за расчетный период, приведенных к одному моменту времени, т.е. с учетом дисконтирования денежного потока (результатов) и инвестиционных вложений (затрат):


ЧПД = ДП – ИС, где


ДП – сумма дисконтированного денежного потока;

ИС – сумма дисконтированных инвестиционных вложений.


ЧПД = 556,565 – 355,303 = 201,262 (млн. руб.).

Индекс доходности определяется как отношение приведенных доходов к приведенным на ту же дату инновационным расходам. Расчет индекса доходности ведется по формуле:


ИД = ДП / ИС

ИД = 556,565 / 355,303 = 1,57


Период окупаемости – это минимальный временной интервал от начала осуществления проекта, за пределами которого чистый приведенный доход становится не отрицательным. Иными словами, это период, начиная с которого инвестиционные вложения покрываются суммарными результатами от реализации проекта. Период окупаемости определяется по формуле:


ПО = ИС / ДП ср., где


ДП ср. – сумма дисконтированного денежного потока в среднем за год.


ПО = 355,303 / (556,565 / 7) = 355,303/ 79,509= 4,47 (года).


Внутренняя норма доходности НД = k, при котором ЧПД = 0, гдеk – ставка дисконта.

Для определения ВНД используем:


Таблица 4.2 Данные оценки эффективности оптимизированного инновационного проекта

Годы Чистый дисконтированный денежный поток Инвестиционные вложения

Коэффициент дисконтирования

для ставки 37%

Дисконтированный денежный поток Дисконтированный денежный поток
2003 ___ 185,5 1 ___ 185,5
2004 43,98 56,25 0,73 37,603 48,094
2005 112,18 87,75 0,533 82,003 64,145
2006 215,7 92,25 0,389 134,597 57,564
2007 215,7 ___ 0,284 115,184 ___
2008 215,7 ___ 0,207 98,359 ___
2009 158,35 ___ 0,151 61,756 ___
2010 81,27 ___ 0,110 27,063 ___
Итого 1042,88 421,75 ___ 556,565 355,303

ЧПД(37%) =314,564 – 309,218 = 5,346 млн. руб.


Таблица 4.3 Данные оценки эффективности оптимизированного инновационного проекта

Годы Чистый дисконтированный денежный поток Инвестиционные вложения

Коэффициент дисконтирования

для ставки 38%

Дисконтированный денежный поток Дисконтированный денежный поток
2003 ___ 185,5 1 ___ 185,5
2004 43,98 56,25 0,725 37,603 48,094
2005 112,18 87,75 0,525 82,003 64,145
2006 215,7 92,25 0,381 134,597 57,564
2007 215,7 ___ 0,276 115,184 ___
2008 215,7 ___ 0,200 98,359 ___
2009 158,35 ___ 0,145 61,756 ___
2010 81,27 ___ 0,105 27,063 ___
Итого 1042,88 421,75 ___ 556,565 355,303

ЧПД(38%)=307,128 – 307,497 = - 0,369 млн. руб.


Формула для расчета внутренней нормы доходности:


ВНД=К1+(ЧПД1/(ЧПД1-ЧПД2)) х (К2-К1);


К1=37%; ЧПД1=5,346;

К2=38%; ЧПД2=-0,369;

ВНД=0,37+(5,346/(5,346+0,369))х(0,38-0,37) = 0,37935 = 37,94 %;


Анализ показателей эффективности и оценка эффективности

инновационного проекта

1. Чистый приведенный доход

ЧПД определяется при сопоставлении величины производственных инвестиций и общей суммой денежного потока в течении прогнозируемого периода времени и характеризует превышение суммарных денежных поступлений над суммарными затратами для соответствующего проекта. Так как ЧПД данного проекта величина положительная (ЧПД=201,262>0), то имеет место превышение денежного потока над инвестиционными вложениями, следовательно, проект к рассмотрению принимается.

2. Индекс доходности

При расчете ИД сравниваются две части потока платежей: доходная и

инвестиционная. ИД показывает, сколько дохода получает инвестор в

результате осуществления этого проекта на каждый вложенный рубль. В рассматриваемом проекте ИД>1 (1,57), следовательно, проект можно считать экономически эффективным.

3. Период окупаемости

Период окупаемости данного инновационного проекта 4,47 лет. То есть, в

результате оптимизации инновационного проекта, мы получили значительно улучшенное значение показателя периода окупаемости.

4. Внутренняя норма доходности

Для оценки эффективности проекта сравним значение ВНД с нормой дисконта.В нашем случае ВНД = 37,94%, что превышает ставку дисконта 17% и ЧПД>0,следовательно, проект считается эффективным.

Заключение


Задачи, поставленные в курсовой работе, были решены.

В теоретической части были рассмотрены понятие и сущность инвестиционных и инновационных процессов, система статистических показателей.

В ходе экономико-статистического анализа динамики объема инвестиций за 2000-2009 гг. было установлено, что после экономического кризиса 2000 года объем инвестиций имеет динамику стабильного роста. В связи с этим максимальный объем инвестиций наблюдался в 2009 году.

Анализ структуры денежной массы показал, что доля инвестиций за счет собственных средств предприятия уменьшается, а за счет федерального бюджета растет.

В работе проанализирована зависимость объемов инвестиций за период с 2000 по 2009 гг, от региона. В качестве таких регионов были выбраны: Новосибирская область, Республика Башкортостан и Московская область. Между объемом кредита и регионом выдачи кредита выявлена связь. Фактор региональной принадлежности объясняет 60% вариации объемов инвестиций, остальные 40% обусловлены неучтенными факторами.

Проведенный в работе анализ влияния инвестиций на объем произведенного инновационного продукта показал, что между ними существует линейная прямая связь. Построено уравнение регрессии: Статистический анализ инвестиционных и инновационных процессов в отрасли (регионе, стране). Установили, что параметры регрессии и сама регрессия в целом, не являются значимыми, поскольку этот объем объясняется действием других факторов. В ходе многофакторного КРА установлена более тесная связь объема с количеством инновационно-активных предприятий.

Были рассчитаны некоторые индексы, а также приведен пример расчетов, используемых в прикладной статистике.

Список литературы


1.Наука в Новосибирской области. За 1996-2002 годы: Стат.сб. / Новосибирский областной комитет государственной статистики. – Новосибирск, 2003

2.Наука в Новосибирской области. За 2002-2009 годы: Стат.сб. / Новосибирский областной комитет государственной статистики. – Новосибирск, 2010

3. Практикум по теории статистики: Учеб. пособие / Под ред. Р.А. Шмойловой. – М.: Финансы и статистика, 2003. – 421с.

4. Курс социально-экономической статистики. Учебник для вузов / Под ред. М.Г. Назарова. - М.: Финстатинформ, 2002. – 771с.

5. Гусаров В.М. Статистика: учеб. пособие для студ. вузов. – М.: ЮНИТИ, 2005. – 463 с.

6. Салин В.Н. Социально-экономическая статистика: Учебник

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: