Оценка качества применения корректирующих условий в российском антимонопольном регулировании

- Если фирма-покупатель приобретает генерирующие активы, то ФАС с большей вероятностью вынесет предписание по данной сделке.

- Такая форма реорганизации, как приобретение акций или доли в уставном капитале фирмы увеличивает вероятность того, что ФАС разрешит сделку слияния с выдачей предписания.

Из представленных двух спецификаций в качестве «лучшей» выберем первую спецификацию, основываясь на значении R² Нэйджелкерса и на значении процента корректно объясненных случаев выдачи предписания, который для первой и второй спецификаций составляет 35,5% и 9,7% соответственно.

Перейдем к обсуждению полученных результатов моделей для второй зависимой переменной - решение антимонопольного органа отказать в проведении слияния.

Для проверки наличия мультиколлинерности и для выявления силы связи между зависимой переменной и объясняющими переменными был проведен корреляционный анализ (приложение 7), результаты которого аналогичны результатам проведенного корреляционного анализа для первой модели.

При построении логит модели выбор объясняющих переменных был произведен на основе корреляционного анализа и здравого смысла. Выбирая лучшие модели, мы ориентировались на аналогичные критерии, на которые мы ориентировались при построении первой модели. Перейдем непосредственно к результатам построенных логистических регрессий.

Так как доля отказов в выборке составляет 7%, удалось построить одну классификацию для данной зависимой переменной. Во вторую модель вошли следующие объясняющие переменные: форма реорганизации, вертикальный и горизонтальный характер слияния (таблица 10). Все включенные объясняющие переменные являются значимыми на 5% -ном уровне, значение R² Нэйджелкерка составляет 25,1%, составляет 92,5 прогнозных значений оказались верными %.

Таблица 10 Коэффициенты спецификации модели номер 1, 2 и 3

Зависимые переменные	Коэффициенты уравнения модели номер 3
Typetransaction	-0,869***
Vmerger	3,681***
Hmerger	1,358**
Константа	-1,994***

Модель также прошла проверку теста Хосмера-Лемешева (the Hosmer-Lemeshow goodness of fit test).

На основе построенной модели можно сделать следующие выводы для отрасли электроэнергетики:

- Если слияние является горизонтальным или вертикальным, то вероятность вынесения запрета антимонопольными органами увеличивается. Это важно для рынка электроэнергетики, так как этот рынок является олигополистическим. Горизонтальное слияние и вертикальная интеграция на рынке олигополии может значительно увеличить рыночную власть фирмы.

Важно заметить, что построение логит регрессии позволило выделить значимые факторы, на которые обращают внимание антимонопольные органы при вынесении предписания или запрета. Выдвигаемые нами гипотезы и предположения, сделанные на основе анализа корреляционного анализа, подтвердились. Значимыми факторами, повышающих вероятность вынесения предписания, оказались рыночные доли фирм, горизонтальный характер слияния, а также форма реорганизации. Гипотеза о влиянии приобретения генерирующих или сбытовых активов не подтвердилась. Регистрация фирмы, оперирующей на рынке электроэнергетики, в оффшорной зоне также явилось незначимым фактором при принятии решений ФАС.

Вероятность вынесения запрета увеличивается, если слияние носит вертикальный или горизонтальный характер. Также значимым фактором оказалась форма реорганизации. Однако, процент корректно объясненных случаев отказа и величина R² Нэйджелкерса являются низкими: 6,7% и 25,1% соответственно.

Всё вышесказанное позволяет сделать следующий вывод: антимонопольный орган при вынесении решений для отрасли электроэнергетики руководствуется другими факторами, чем при вынесении решения для всех остальных отраслей. Это подтверждает гипотезу о существовании отраслевой специфики в практике российского антимонопольного регулирования.

Качество построенной эконометрической модели в дальнейшем может быть улучшено благодаря расширению выборки, что может быть доступно только антимонопольным органом, и включению дополнительных важных факторов, например, барьеры входа на рынок или выручка компании.

Заключение

В настоящее время слияния и поглощения все больше несут стратегический характер: большинство фирм объединяются для того, чтобы занять доминирующую позицию на рынке. Доминирование на рынке может привести к негативным последствиям как для общества, так и для фирм-конкурентов. Поэтому деятельность антимонопольного органа имеет большое значение для общества. Регулируя деятельность фирм в случае «антиконкурентных» слияний, антимонопольная служба вмешивается в структуру рынка, вызывая необратимые и непредсказуемые последствия. По этой причине оценивание применения корректирующих условий становится все более важной задачей как для исследователей, так и для самих антимонопольных органов. Оценивая применение средств коррекции, важно понять какими факторами и критериями руководствуются антимонопольные органы, вынося то или иное решение. Учитывает ли ФАС при принятии решений экономические параметры?

После исследования теоретической базы, был проведен обзор качественных и количественных методов, с помощью которых проводили оценивание качества применения корректирующих условий, для выбора метода исследования. В результате был выбран метод дискретного моделирования, использованного в работе М. Бергмана с соавторами (Bergman M. et al., 2005). Для проведения эмпирического анализа за период с 2010 по 2012 годы была собрана база данных, и с помощью логистического анализа была оценена вероятность использования тех или иных факторов, влияющих на принятие решения выдавать предписание или нет.

Значимыми факторами при принятии решений антимонопольным органом получились структурные (рыночные доли) и рыночные (горизонтальные и вертикальный характер слияния) переменные. Также значимым фактором оказалась принадлежность к отрасли связи и транспорта. Принадлежность к данной отрасли умешает вероятность вынесения предписания.

Затем в качестве кейса были рассмотрены корректирующие условия на примере электроэнергетики. Было выявлено, что именно для этой отрасли характерно использование структурных предписаний.

Также проводилось оценивание контроля слияний в этой отрасли с помощью моделей дискретного выбора. С помощью логистического анализа были выявлены значимые факторы, влияющие на решение провести коррекцию: структурные факторы (рыночная доля), рыночные факторы (горизонтальный характер слияния) и форма реорганизации. Также были выявлены значимые факторы, влияющие на вероятность вынесения отказа. Такими факторами оказались рыночные переменные (горизонтальный и вертикальный характер слияния). Это объясняет, что в отрасли электроэнергетики присутствует специфика.

В заключение хотелось сказать, что проведенное исследование может быть улучшено двумя способами: первый - это включение в модель дополнительных переменных (например, барьеров входа, выручки); второй - это использование других методов моделирования (например, для отрасли электроэнергетики можно построить мультиноминальную регрессию, рассчитывая вероятность вынесения запретов и предписаний).

Список использованной литературы

Нормативные правовые акты

1. Федеральный закон Российской Федерации "О защите конкуренции" / Принят Государственной Думой 8 июля 2006 года № 135-ФЗ.

2. Федеральный закон Российской Федерации "Об электроэнергетике" / Принят Государственной Думой 21 февраля 2003 года № 250-ФЗ.

Специальная литература

3. Aktas N., de Bodt E., and Roll R. Market Response to European Regulation of Business Combinations // Journal of Financial & Quantitative Analysis, 39(4), P. 731-757, 2004.

4. Asch P. The Determinants and Efects of Antitrust Activity // Journal of Law and Economics, 18(2), P. 575-581, 1975.

5. Bergman M. et al. An econometric analysis of the European Commission's merger decisions / Bergman M., Jakobsson M., Razo C. // International Journal of Industrial Organization, 23, P. 717- 737, 2005.

6. Bougette P. et al. Market structures, political surroundings, and merger remedies: an empirical investigation of the EC's decisions / Bougette P., Turolla S. // European Journal of Law and Economics, Springer, vol. 25(2), P. 125-150, 2008.

7. Coate M.B., Higgins R.S., and McChesney F.S. Bureaucracy and Politics in FTC Merger Challenges // Journal of Law and Economics, 33(2), P. 463-482, 1990.

8. Davidson, Russel, MacKinnon, James G. Estimation and Inferences in Econometrics // Oxford University Press, Oxford, 1993.

9. Duso T., Gugler K., and Yurtoglu B.B. EU Merger Remedies: A Preliminary Empirical Assessment // Working paper, GESY Discussion Paper № 81, January 2006.

10. Duso T. et al. The Political Economy of European Merger Control: Evidence using Stock Market Data / Duso T., Neven D.J., Roller L. // Journal of Law and Economics, University of Chicago Press, vol. 50, P. 455-489, 2003.

11. Fama E.F. Efcient Capital Markets: A Review of Theory and Empirical Work // Journal of Finance, 25(2), P. 383-417, 1970.

12. Greene W.H. (2003), Econometric analysis, 5th ed., New York: Prentice-Hall.

13. Hosmer D.W. and Lemeshow S. Applied Logistic Regression. New York: John Wiley & Sons, Inc. 1989.

14. Khemani R.S., Shapiro, D.M. An empirical analysis of Canadian merger policy // Journal of Industrial Economics 41, P. 161 - 177, 1993.

15. Lindsay A. et al. Econometrics study into European merger decisions since 2000 / Lindsay A., Lecchi E., Williams G. // European Competition Law Review 24, P. 673 - 682, 2003.

16. Long W.F., Schramm R., and Tollison R.D. The Economic Determinants of Antitrust Activity // Journal of Law and Economics, 16(2), P. 351-364, 1973.

17. Manne, Henry G. Mergers and the market for corporate control // Journal of Political Economy, 73, P. 110 - 120, 1965.

18. McFadden D. Conditional Logit Analysis of Quantative Choice Behavior // Frontiers in Econometrics, Academic Press: New York, P. 105-142, 1973.

19. Motta M. et al., Merger Remedies in the European Union: An Overview / Motta M., Polo M., Vasconcelos H. // International Journal of Industrial Organization / Elsevier, vol. 23(9-10), P. 777-801, 2002.

20. Roller L., Lars-Henrik, Neven, Damien. Discrepancies between markets and regulators: Analysis of the first ten years of EU merger control. The Pros and Cons of Merger Control // Swedish Competition Authority, 2002.

21. Stillman R. Examining antitrust policy towards horizontal mergers // Journal of Financial Economics, P. 225-240, 1983.

22. Weir, C. Monopolies and merger commission, merger reports and the public interest: Probit analysis // Applied Economics, 24, P.27 - 32, 1992.

23. Weir C. Merger policy and competition: Analysis of the monopolies and mergers commission's decisions // Applied Economics, 24, P. 57-66, 1993.

Электронные ресурсы

24. Ec.europa.eu / Сайт Европейской антимонопольной комиссии

25. Expert.ru / Эксперт

26. Fas.gov.ru / Официальный сайт ФАС

27. Gisee.ru / Государственная информационная система в области энергосбережения и повышения энергетической эффективности

28. Interrao.ru / Официальный сайт ОАО “ИНТЕР РАО ЕЭС»

29. Newasp.omskreg.ru / Оффшорные территории и экономическая преступность

30. Reestr.fas.gov.ru / Реестр хозяйствующих субъектов, с долей на рынке более 35%

31. Rg.ru/ Российская газета

32. Авдашева С. и др. За отсутствием состава доказательств, 2011 / Авдашева С., Крючкова П.

33. Авдашева С. и др. Искать под фонарем, или где потеряли?, 2008 / Авдашева С., Шаститко А.

34. Авдашева С. и др. Новое антимонопольное законодательство: результат стратегического взаимодействия?, 2007 / Авдашева С., Шаститко А.

35. Авдашева С. и др. Развитие и применение антимонопольного законодательства в России, 2011 / Авдашева С., Дзагурова Н., Крючкова П., Юсупова Г.

36. Антимонопольное законодательство сегодня: совершенствование и устранение пробелов

37. Antitrust division policy guide to merger remedies, 2011

38. Balto D.A. et al. The Evolving Approach to Merger Remedies, 2000 / Balto D.A., Parker R.G.

39. Fas.gov.ru / Доклад о состоянии конкуренции в Российской Федерации за 2011 и 2012 год

40. Files.nyu.edu / Discrete Choice Models I

41. Korah V. et al. EC Merger Regulation, 2004 / Korah V., Fatur A.

42. Merger Remedies, 2003

Приложение 1

Таблица 1 Непараметрические корреляции Спирмена

Typedecision

Offshore

Foreigncountry1

Foreigncountry2

Vmerger

Hmerger

Acquid1

Acquid2

Acquid3

Acquir1

Acquir2

Acquir3

SectorD

SectorG

SectorI

SectorJ

SectorK

Typetransaction

Typedecision

1

Offshore

-,040*

1

Foreigncountry1

-,093**

-,048*

1

Foreigncountry2

-,036

-,051*

,285**

1

Vmerger

,038

-,083**

-,036

-,018

1

Hmerger

,222**

-,186**

-,129**

-,035

-,133**

1

Acquid1

-,166**

,105**

,107**

,045*

-,015

-,096**

1

Acquid2

,255**

-,060**

-,052**

-,020

-,002

,166**

-,450**

1

Acquid3

,078**

-,088**

-,086**

-,033

,042*

,055**

-,736**

-,039

1

Acquir1

-,407**

,055**

,076**

,043*

,008

-,021

,279**

-,113**

-,014

1

Acquir2

,148**

-,032

-,022

-,019

-,011

,060**

-,116**

,146**

,069**

-,445**

1

Acquir3

,462**

-,041*

-,065**

-,032

,019

,028

-,015

,069**

-,002

-,729**

-,036

1

SectorD

,040*

-,083**

,126**

,141**

,105**

-,072**

,038

-,017

-,036

-,017

,026

,009

1

SectorG

-,021

-,017

,043*

-,034

,043*

-,027

-,011

-,045*

,023

-,004

-,009

-,014

-,188**

1

SectorI

-,051*

-,069**

-,049*

-,044*

,009

,068**

-,072**

,039

,084**

-,008

,047*

,004

-,191**

-,160**

1

SectorJ

-,044*

,033

-,019

,045*

-,061**

,046*

,037

-,027

-,061**

,048*

-,033

-,078**

-,164**

-,138**

-,140**

1

SectorK

-,137**

,145**

-,040*

-,050*

-,072**

-,076**

,078**

-,063**

-,063**

,100**

-,038

-,108**

-,236**

-,199**

-,201**

-,173**

1

Typetransaction

-,030

,084**

-,065**

-,010

,015

-,056**

,070**

-,031

-,071**

,013

-,017

-,003

,028

-,156**

,033

,094**

-,022

1

Таблица 2

Непараметрические корреляции Кенделла

	Sharecapital2
Typedecision	,004
Offshore	,040*
Foreigncountry1	-,094**
Foreigncountry2	-,026
Vmerger	,008
Hmerger	,013
Acquid1	-,007
Acquid2	,003
Acquid3	-,002
Acquir1	,013
Acquir2	-,037
Acquir3	,000
SectorD	-,008
SectorG	-,124**
SectorI	,005
SectorJ	,049*
SectorK	-,017

Приложение 2

Логистическая модель, построенная для выборки

Таблица 1 R ² Нэйджелкерка

Сводка для модели
Шаг	-2 Log Правдоподобие	R квадрат Кокса и Снелла	R квадрат Нэйджелкерка
1	1037,265a	,078	,197

Таблица 2 Прогнозные значения

Таблица классификации
Наблюденные	Предсказанные
	Typedecision	Процент корректных
	0	1
Шаг 1	Typedecision	0	2279	14	99,4
		1	141	29	17,1
	Общий процент			93,7

Таблица 3 Проверка адекватности модели

Критерий Хосмера-Лемешова
Шаг	Хи-квадрат	ст.св.	Знч.
1	,724	3	,868

Таблица 4 Значимость коэффициентов переменных

Переменные в уравнении
	B	Стд.Ошибка	Вальд	ст.св.	Знч.	Exp(B)
Шаг 1a	Vmerger	1,255	,315	15,843	1	,000	3,509
	Hmerger	1,635	,182	80,316	1	,000	5,130
	Acquid2	1,583	,386	16,856	1	,000	4,872
	Acquir2	1,552	,369	17,703	1	,000	4,723
	Acquid1	-,618	,268	5,328	1	,021	,539
	SectorI	-1,115	,317	12,349	1	,000	,328
	Константа	-2,829	,275	106,205	1	,000	,059

Таблица 5 Значимость модели

Объединенные тесты для коэффициентов модели
	Хи-квадрат	ст.св.	Знч.
Шаг 1	Шаг	199,656	6	,000
	Блок	199,656	6	,000
	Модель	199,656	6	,000

Приложение 3

Логистическая модель, построенная для подвыборки

Таблица 1 R ² Нэйджелкерка

Сводка для модели
Шаг	-2 Log Правдоподобие	R квадрат Кокса и Снелла	R квадрат Нэйджелкерка
1	636,867a	,113	,235

Таблица 2 Прогнозные значения

Таблица классификацииa
Наблюденные	Предсказанные
	Typedecision	Процент корректных
	0	1
Шаг 1	Typedecision	0	1070	9	99,2
		1	98	22	18,3
	Общий процент			91,1

Таблица 3 Проверка адекватности модели

Сводка для модели
Шаг	-2 Log Правдоподобие	R квадрат Кокса и Снелла	R квадрат Нэйджелкерка
1	636,867a	,113	,235

Таблица 4 Значимость коэффициентов переменных

Переменные в уравнении
	B	Стд.Ошибка	Вальд	ст.св.	Знч.	Exp(B)
Шаг 1a	Acquid1	-1,256	,322	15,224	1	,000	,285
	Acquid2	,940	,468	4,045	1	,044	2,561
	Acquir2	,951	,499	3,634	1	,057	2,588
	Vmerger	1,294	,351	13,577	1	,000	3,649
	Hmerger	1,657	,230	52,021	1	,000	5,243
	SectorI	-1,259	,463	7,389	1	,007	,284
	Константа	-1,901	,337	31,781	1	,000	,149

Таблица 5 Значимость модели

Объединенные тесты для коэффициентов модели
	Хи-квадрат	ст.св.	Знч.
Шаг 1	Шаг	143,121	6	,000
	Блок	143,121	6	,000
	Модель	143,121	6	,000

Приложение 4

Корреляционный анализ

Таблица 1 Непараметрические корреляции Спирмена

	Typedecision	Typetransaction	Offshore	Vmerger	Hmerger	Acquid1	Acquid2	Acquid3	Acquir1	Acquir2	Acquir3	SectorE	SectorG
Typedecision	1,000
Typetransaction	,183**	1,000
Offshore	-,006	,172*	1,000
Vmerger	,064	-,007	-,047	1,000
Hmerger	,366**	,095	-,091	-,058	1,000
Acquid1	-,206**	,053	,238**	-,090	-,095	1,000
Acquid2	,506**	,083	-,091	-,027	,312**	-,342**	1,000
Acquid3	-,035	-,097	-,205**	,108	-,055	-,883**	-,139*	1,000
Acquir1	-,134*	-,042	,081	-,095	-,060	-,184**	-,123	,255**	1,000
Acquir2	,149*	-,046	-,072	-,022	,108	-,045	,314**	-,110	-,279**	1,000
Acquir3	,079	,063	-,056	,106	,018	,205**	,002	-,217**	-,923**	-,112	1,000
SectorE	,155*	,018	,054	,019	,245**	-,142*	,194**	,053	,025	,047	-,048	1,000
SectorG	-,043	-,023	-,064	-,060	-,190**	,194**	-,117	-,146*	-,295**	-,028	,315**	-,604**	1,000

Таблица 2

Непараметрические корреляции Кенделла

	Sharecapital2
Typedecision	,025
Typetransaction	,679**
Offshore	,112
Vmerger	,020
Hmerger	,083
Acquid1	-,067
Acquid2	-,018
Acquid3	,080
Acquir1	-,022
Acquir2	-,217**
Acquir3	,112
SectorE	-,002
SectorG	,031

Приложение 5

Корреляционный анализ

Таблица 1 Непараметрические корреляции Спирмена

	Typedecision	Typetransaction	Offshore	Vmerger	Hmerger	Acquid1	Acquid2	Acquid3	Acquir1	Acquir2	Acquir3	SectorE	SectorG
Typedecision	1,000
Typetransaction	-,172*	1,000
Offshore	-,108	,182**	1,000
Vmerger	,319**	-,026	-,061	1,000
Hmerger	,146*	-,048	-,032	-,067	1,000
Acquid1	-,073	,154*	,205**	,030	,017	1,000
Acquid2	-,020	,046	-,027	-,011	-,030	-,112	1,000
Acquid3	,076	-,162*	-,202**	-,029	-,012	-,988**	-,044	1,000
Acquir1	,045	-,049	,094	,025	,003	-,284**	,043	,279**	1,000
Acquir2	-,041	-,090	-,054	-,023	-,060	,090	-,010	-,089	-,235**	1,000
Acquir3	-,034	,082	-,080	-,019	,015	,259**	-,041	-,254**	-,949**	-,083	1,000
SectorE	,130	-,068	,080	,073	,191**	-,095	,061	,086	,069	-,022	-,068	1
SectorG	-,007	,032	-,121	-,083	-,148*	,162*	-,037	-,157*	-,350**	,014	,353**	-,6**	1

Таблица 2 Непараметрические корреляции Кенделла

	Sharecapital1	Sharecapital2	Dsharecapital
Typedecision	-,124	-,138*	-,029
Typetransaction	,695**	,723**	,065
Offshore	,107	,123	,114
Vmerger	-,015	-,022	-,016
Hmerger	,051	,035	-,042
Acquid1	,006	-,013	-,048
Acquid2	,066	,063	-,007
Acquid3	-,017	,003	,049
Acquir1	-,076	-,052	,061
Acquir2	-,155*	-,161*	-,014
Acquir3	,131	,108	-,058
SectorE	,019	-,008	-,015
SectorG	,056	,035	-,052
Sharecapital2	,960**	1,000	,089

Приложение 6

Логистическая модель, построенная для предписаний, спецификация 1

Таблица 1 R ² Нэйджелкерка

Сводка для модели
Шаг	-2 Log Правдоподобие	R квадрат Кокса и Снелла	R квадрат Нэйджелкерка
1	140,215a	,159	,284

Таблица 2 Прогнозные значения

Таблица классификацииa
Наблюденные	Предсказанные
	Typedecision	Процент корректных
	0	1
Шаг 1	Typedecision	0	181	4	97,8
		1	20	11	35,5
	Общий процент			88,9

Таблица 3 Проверка адекватности модели

Критерий Хосмера-Лемешова
Шаг	Хи-квадрат	ст.св.	Знч.
1	4,066	5	,540

Таблица 4 Значимость коэффициентов переменных

Переменные в уравнении
	B	Стд.Ошибка	Вальд	ст.св.	Знч.	Exp(B)
Шаг 1a	Hmerger	1,939	,443	19,131	1	,000	6,950
	Typetransaction	1,080	,508	4,516	1	,034	2,945
	Acquid1	-1,166	,438	7,079	1	,008	,312
	Константа	-3,601	1,007	12,789	1	,000	,027

Приложение 7

Логистическая модель, построенная для предписаний, классификация 2

Таблица 1 R ² Нэйджелкерка

Сводка для модели
Шаг	-2 Log Правдоподобие	R квадрат Кокса и Снелла	R квадрат Нэйджелкерка
1	160,233a	,078	,138

Таблица 2 Прогнозные значения

Таблица классификации
Наблюденные	Предсказанные
	Typedecision	Процент корректных
	0	1
Шаг 1	Typedecision	0	184	1	99,5
		1	28	3	9,7
	Общий процент			86,6

Таблица 3 Проверка адекватности модели

Критерий Хосмера-Лемешова
Шаг	Хи-квадрат	ст.св.	Знч.
1	1,581	4	,812

Таблица 4 Значимость коэффициентов переменных

Переменные в уравнении
	B	Стд.Ошибка	Вальд	ст.св.	Знч.	Exp(B)
Шаг 1a	Typetransaction	1,205	,535	5,064	1	,024	3,336
	SectorE	,959	,463	4,298	1	,038	2,610
	Acquir2	1,678	,873	3,694	1	,055	5,356
	Константа	-4,644	1,076	18,640	1	,000	,010

Приложение 8

Логистическая модель, построенная для отказов

Таблица 1 R ² Нэйджелкерка

Сводка для модели
Шаг	-2 Log Правдоподобие	R квадрат Кокса и Снелла	R квадрат Нэйджелкерка
1	84,705a	,103	,251

Таблица 2 Прогнозные значения

Таблица классификацииa
Наблюденные	Предсказанные
	Typedecision	Процент корректных
	0	1
Шаг 1	Typedecision	0	184	1	99,5
		1	14	1	6,7
	Общий процент			92,5

Таблица 3 Проверка адекватности модели

Критерий Хосмера-Лемешова
Шаг	Хи-квадрат	ст.св.	Знч.
1	2,684	3	,443

Таблица 4 Значимость коэффициентов переменных

Переменные в уравнении
	B	Стд.Ошибка	Вальд	ст.св.	Знч.	Exp(B)
Typetransaction	-,869	,330	6,942	1	,008	,420
Vmerger	3,681	1,049	12,308	1	,000	39,701
Hmerger	1,358	,650	4,363	1	,037	3,888
Константа	-1,994	,514	15,029	1	,000	,136

Размещено на Allbest.ru