Ukrainos karo įtakos Lietuvos ekonomikai vertinimas

ĮVADAS Tyrimo aktualumas. 2022 metų Ukrainos karas, kuris prasidėjo vasario 24d., kilo dėl ilgalaikio konflikto, vykusio tarp Ukrainos ir Rusijos. Šis karas sukėlė didelę suirutę ir žudynes, bei privertė šimtus tūkstančių žmonių prašyti prieglobsčio visoje Europoje. Lietuvos kaip kaimyninės šalies ekonomika buvo stipriai paveikta. Pavyzdžiui, karo metu sumažėjo prekybos mastai ne tik tarp Lietuvos ir Ukrainos, bet ir dėl taikytų tarptautinių sankcijų Rusijai bei Baltarusijai. Dėl to daugumos svarbių Lietuvos ekonomikai ūkių veikla buvo sutrikdyta. Be to, karo metu kilo baimė dėl ekonominio stabilumo todėl ši baimė turėjo įtakos investicijų ir vartojimo kiekiui Lietuvoje. Karo pradžioje Lietuvos bankas ir ekonomistai teikė pesimistines prognozes, dėl nežinomybės kiek laiko karas užtruks ir kokį poveikį tai turės Lietuvos ekonomikai. Tyrimo problema – kaip įvertinti karo Ukrainoje poveikį Lietuvos ekonomikai. Tyrimo objektas – Ukrainos karo poveikis Lietuvos ekonomikai. Tyrimo tikslas – išanalizuoti Ukrainos karo poveikį Lietuvos ekonomikai. Uždaviniai tiklsui pasiekti: 1. Nustatyti kokią įtaką gali daryti karas kitos šalies ekonomikai. 2. Nustatyti, kurie Lietuvos ekonominiai rodikliai buvo labiausiai paveikti Ukrainos karo laikotarpiu. 3. Ištirti ar Ukrainos karo 2022 m. paveikti ekonominiai rodikliai turėjo įtakos Lietuvos BVP kitimui. Tyrimo metodai: literatūros apžvalga, aprašomoji statistika, koreliacinė analizė, prognozavimas. 1. UKRAINOS KARO poveikio Lietuvos ekonomikai teorinis pagrindimas 1.1. Ukrainos karo samprata Karas tarp Ukrainos ir Rusijos prasidėjo dėl įvairių politinių, ekonominių ir strateginių veiksnių. Vienas pagrindinių veiksnių buvo Ukrainos siekis artintis prie Europos Sąjungos ir pareikšti savo nepriklausomybę nuo Rusijos įtakos. Tai sukėlė Rusijos nepatenkinimą ir įtampą tarp šalių. Konfliktas prasidėjo Donbase, kur separatistų atstovaujama Rusijos paramilitarinė grupuotė pradėjo aktyviau veikti ir užimti teritorijas Ukrainoje. Tai sukėlė didelį konfliktą ir smurtą regione, o vėliau Rusijos armija pradėjo atvirai dalyvauti konflikte, palaikant separatistus ir sutelkiant dėmesį į Krymą. Rusijos Krymo aneksacija 2014 metais ir jos dalyvavimas Donbaso konflikte sukėlė didelį įtarimą ir įtampą tarp Ukrainos ir Rusijos, ir vėliau prasidėjo tikrasis karas tarp šių valstybių armijų.(D’Anieri, s.a.) 2022 m. vasario 24 d. Rusija įsiveržė į Ukrainą. Dėl invazijos abiejose pusėse žuvo dešimtys tūkstančių žmonių ir kilo didžiausia pabėgėlių krizė Europoje nuo Antrojo pasaulinio karo laikų. Iki gegužės pabaigos savo šalyje buvo perkelta apie 8 milijonai ukrainiečių, o dar aštuoni milijonai pabėgo iš šalies iki 2023 m. sausio 31 d.Po 2014 m. orumo revoliucijos Rusija aneksavo Krymą, o Rusijos remiamos sukarintos grupuotės užgrobė Ukrainos Donbaso srities Luhansko ir Donecko sritis, įžiebdamos regioninį karą. 2021 metų kovą Rusija pradėjo karinių pajėgų telkimą, prie Ukrainos sienų sutelkdama iki 190.000 karių. Rusijos vyriausybės pareigūnai neigė planus pulti Ukrainą iki pat invazijos. 2022 m. vasario 21 d. Rusija pripažino Donecko Liaudies Respubliką ir Luhansko Liaudies Respubliką – dvi atsiskyrusias kvazivalstybes Donbase. Kitą dieną Rusijos Federacijos Taryba leido naudoti karinę jėgą ir Rusijos kariai įžengė į abi teritorijas. Invazija prasidėjo 2022 metų vasario 24-osios rytą Rusijos prezidentui Vladimirui Putinui paskelbus apie "specialiąją karinę operaciją", kuria siekiama "demilitarizuoti" ir "denazifikuoti" Ukrainą.(Watling & Reynolds, 2022) Savo kalboje V. Putinas palaikė nereligingas pažiūras, ginčijo Ukrainos teisę į valstybingumą ir melagingai tvirtino, kad Ukrainą valdo neonaciai, persekioję etninę rusų mažumą. Po kelių minučių buvo pradėti Rusijos oro smūgiai ir antžeminė invazija palei šiaurinį frontą nuo Baltarusijos link Kijevo, šiaurės rytų frontą link Charkovo, pietinį frontą nuo Krymo ir pietryčių frontą nuo Donecko ir Luhansko. Reaguodamas į tai, Ukrainos prezidentas Volodymyras Zelenskis priėmė karo padėtį ir visuotinę mobilizaciją. 1.2. Karo pasekmės šalių ekonomikai remiantis istoriniais pavyzdžiais Karo pasekmes šalies ekonomikai gali būti labai rimtos ir ilgai veikiančios. Šalies infrastruktūra gali būti sunaikinta, o gyventojai patiria fizinį ir emocinį stresą, kuris gali turėti įtakos darbingumui ir vartojimui.(Mbah & Wasum, 2022) Investicijos ir pramonės veikla gali sulėtėti ar net sustoti, o tai gali sukelti darbo vietų praradimą ir ekonomikos sulėtėjimą. Tai gali sukelti padidėjusius mokesčius, didesnes šalies skolas ir sumažėjusias išlaidas socialiniams ir infrastruktūriniams projektams. Karo metu gali būti sunku transportuoti prekes ir keliauti, o tai gali sukelti kainų kilimą ir prekių trūkumą. Tai gali pakenkti vartotojų pasitikėjimui ir vartojimo sumažėjimui, kuris savo ruožtu gali sukelti darbo vietų praradimą ir ekonomikos atsigavimo sulėtėjimą. Be to, karo pasekmės gali turėti įtakos šalies finansams ir valiutai. Šalies skolos gali padidėti dėl reikiamų išlaidų karo įgyvendinimui ir atkūrimui. Tai gali sukelti infliaciją ir valiutos silpnėjimą, o tai savo ruožtu gali pakenkti ekonomikos stabilumui. pav. 1. Karo pasekmės ekonomikai Šaltinis:sudaryta autoriaus remiantis (Arsahanova ir kt., 2020) Daugelių atvejų karas gali sukelti infliaciją, dėl kurios prarandamos žmonių santaupos, prarandamas pasitikėjimas finansų sistema. Pavyzdžiui, JAV pilietiniame kare Konfederacija sunkiai sekėsi finansiškai padengti karo išlaidas. Todėl jie pradėjo spausdinti pinigus kareivių atlyginimams mokėti. Tačiau, kai jie pradėjo spausdinti pinigus, pinigų vertė netrukus sumažėjo.(Imai ir kt., 2000) Didelė infliacija labiausiai smogia vidutines pajamas gaunantiems asmenims, nes jie mato, kad jų santaupų vertė yra sunaikinta. Per Antrąjį pasaulinį karą Jungtinėse Valstijose infliacija padidėjo, nes ekonomika artėjo prie viršūnės galo, dėl didelių vyriausybės išlaidų ir darbuotojų trūkumo buvo daromas infliacinis spaudimas. Karo metu ekonomika taip pat gali patirti sąnaudų stūmimo infliaciją dėl prekių ir paslaugų trūkumo ir didėjančių žaliavų, tokių kaip nafta, kainų. (Įdomu tai, kad infliaciją Antrojo pasaulinio karo metais ribojo kainų kontrolė ir normavimas) Jei šalį nusiaubs karas, o galimybės gaminti prekes smarkiai sumažės, tai gali sukurti hiperinfliacijos aplinkybes, nes vyriausybės desperatiškai spausdina pinigus, kad pabandytų išspręsti prekių trūkumo problemą. Pavyzdžiui, nuniokojus ekonomiką, 1946 m. Vengrijoje ir Austrijoje buvo užfiksuotas didžiausias hiperinfliacijos lygis.(Robinson Edward, s.a.) Karo metu dažnai matome spartų viešojo sektoriaus skolos augimą. Vyriausybė pasiryžusi skolintis daug daugiau nei įprastai, nes – yra patriotinė parama karo pastangoms. Remiantis economicshelp.org straipsniu, tiek Pirmasis, tiek Antrasis pasauliniai karai JK kainavo labai brangiai. Abiem atvejais valstybės skola labai smarkiai išaugo. Pokariu skolos toliau didėjo dėl rekonstrukcijos ir gerovės valstybės kūrimo.. pav. 2 Jungtinės karalystės nacionalinė skola nuo 1727 m. Šaltinis: www.economicshelp.org JK nacionalinė skola Antrojo pasaulinio karo pabaigoje išaugo iki 150%, bet šeštojo dešimtmečio pradžioje išaugo iki 240%. Antrojo pasaulinio karo metais JK rėmėsi paskolomis iš JAV ir prireikė daug dešimtmečių, kad jas išmokėtų. JAV, kuri nedalyvavo pirmuosius dvejus metus, nacionalinės skolos augimas nebuvo toks ryškus. Pirmaisiais metais JAV pelnėsi pardavusi ginklus ir įrangą JK (nors ir su dosniomis paskolos nuomos sąlygomis). Didelių karų pabaigoje kyla pavojus, kad grįžtantiems kariams gali būti sunku rasti darbą. Pasibaigus Pirmajam pasauliniam karui, įvyko didelis ekonominis nuosmukis, o grįžtantiems kariams sunkiai sekėsi rasti darbą, kuris buvo pakeistas karo metu.(Crafts Nicholas, s.a.) pav. 3 Jungtinės Karalystės nedarbo lygis. Šaltinis:(Tejvan Pettinger, 2022) Staigus nedarbo padidėjimas pasibaigus Pirmajam pasauliniam karui. Versalio sutartis, kuri reikalavo reparacijų iš Vokietijos, nepadėjo, nes prisidėjo prie mažesnės prekybos. 1.3. Ukrainos karo poveikis Lietuvos ekonomikai 1.3.1. Ekonomistų prognozės Karo padariniai yra pasaulinė problema ir ypač realūs šalims, esančioms arti karo zonos. Karas Ukrainoje tarp Ukrainos Vyriausybės ir Rusijos 2022 metais turėjo skaudų poveikį netoliese esančios Lietuvos ekonomikai. 2022 metais ekonomistai prognozavo, jog karas Ukrainoje turės didelę įtaką Lietuvos makroekonominiams rodikliams. Remiantis "A Prohorovs" (2022 m. žurnale "Journal of Risk and Financial Management") paskelbtu tyrimu, konfliktas turės didelį poveikį Lietuvos bendrajam vidaus produktui (BVP). Tyrimas parodė, kad karas gali sumažinti Lietuvos BVP iki 2%, o tai lemia didelį šalies ekonomikos produkcijos sumažėjimą. Be to, konfliktas turės įtakos Lietuvos nedarbo lygiui, o tyrimas parodė, kad karas gali padidinti šalies nedarbo lygį iki 5%. Dėl to gali toliau mažėti šalies ekonomikos našumas, nes mažiau žmonių galės susirasti darbą. Be to, karas taip pat gali lemti tiesioginių užsienio investicijų (TUI) sumažėjimą Lietuvoje, nes investuotojai atsargiau skirs savo pinigus į konfliktą įsivėlusiai šaliai. Tai taip pat gali reikšti mažiau darbo vietų ir tolesnį Lietuvos ekonomikos našumo mažėjimą. Todėl akivaizdu, kad karas Ukrainoje turės neigiamos įtakos Lietuvos ekonominiams rodikliams ateinančiais 2022 metais. (Prohorovs, 2022). 1.3.1. Lietuvos ekonominė situacija Ukrainos karo laikotarpiu Pasak J. Karčiausko 2022 metais Weekly Briefing straipsnyje paskelbtame tyrime, 2022-ieji Lietuvos ekonomikai buvo ypač sudėtingi metai, tačiau yra keletas teigiamų jos ekonominio atsparumo tendencijų. Didžiausi neigiami skirtumai tarp įverčių ir faktinių makroekonominių rezultatų yra gerokai sulėtėjęs BVP augimas ir gerokai padidėjusi infliacija. Sparčiai augančios energijos išteklių kainos, sparčiai auganti bendra infliacija, kartu su augančiomis palūkanų normomis ir dėl geopolitinio bei ekonominio nestabilumo mažėjančiu įmonių pasitikėjimu yra pagrindinės priežastys, neigiamai veikiančios Lietuvos ekonomiką. Nekilnojamojo turto rinką paveikė ir ekonominis neapibrėžtumas, o po dviženklio augimo per pastaruosius porą metų staiga atvėso. Nepaisant to, Lietuva nepateko į recesiją, jos BVP augimas ir eksporto augimas išlieka teigiamas, o situacija darbo rinkoje yra gera, nes išaugęs dirbančių žmonių skaičius ir nedarbo lygis išlieka žemas. (Karčiauskas Justas, 2022) lentelė 1. Prognozuojami ekonominiai rodikliai ir 2022 m. pabaigos rezultatai   Prognozė 2022 m. Rezultatas 2022 m. Realiojo BVP augimas (%) 4 1.6 Metinis infliacijos lygis (proc.) 2.5 17.8 Nedarbo lygis (proc.) 6.7 6.3 Valdžios sektoriaus skola (BVP procentas) 45.6 39.1 Šaltinis: sudaryta autoriaus pagal (Finansų ministerija, s.a.) Kaip matyti iš lentelės, iš pradžių buvo prognozuojama, kad Lietuvos BVP 2022 metais augs 4,0 proc., tačiau vėliau šis įvertis buvo sumažintas daugiau nei perpus – iki 1,6 procento. Tai reikšmingas reitingo sumažėjimas, lemiantis visus didžiausius netikėtus sukrėtimus, kuriuos Lietuvos ekonomika patyrė 2022 metais. Remiantis J. Karčiausko tyrimu dramatiškiausias skirtumas tarp prognozuotų ir faktinių makroekonominių rodiklių yra metinis infliacijos lygis. Buvo prognozuojama, kad 2021 m. pabaigoje infliacija Lietuvoje 2022 m. bus apie 2,5 proc., tačiau ji pasiekė 18 proc. Pagrindinės infliacijos priežastys buvo energijos išteklių, būtent naftos, dujų, elektros ir šildymo, kainų padidėjimas. Didesnės energijos išteklių kainos savo ruožtu pabrangino daugumą kitų prekių ir paslaugų.(Karčiauskas Justas, 2022) pav. 4. metinis infliacijos lygis, matuojamas kas mėnesį Šaltinis:(Oficialiosios statistikos portalas, s.a.) 2022 metai Lietuvos darbo rinkai buvo gana pozityvūs. Dėl karo ir sankcijų rizikos į Lietuvą plūstelėjo ukrainiečių ir baltarusių imigrantai. Rugsėjo mėnesio duomenimis, į Lietuvą atvyko 43 tūkstančiais daugiau žmonių nei iš jos išvyko. Tai reiškė, kad darbo jėgos, kurios didelę dalį sudaro moterys, bėgančios nuo karo Ukrainoje, gerokai padaugėjo. Nors darbo jėga sparčiai augo, nedarbo lygis vis mažėjo ir rugsėjį siekė 5,2 procento. Dirbančių žmonių padaugėjo 5,6 proc. – tai didžiausias procentinis augimas nuo rekordų pradžios. pav. 5 dirbančiųjų skaičiaus pokytis % (žalios juostos, dešinė ašis), palyginti su nedarbo lygiu (juoda linija, kairė ašis) Šaltinis:(BIUDŽETAS GLAUSTAI, s.a.) Lietuvos nekilnojamojo turto rinka 2022 m. taip pat buvo ypač dinamiška. Metų pradžioje nekilnojamojo turto kainos vis dar kilo, tęsdamos precedento neturinčią nekilnojamojo turto kainų kilimo bangą, prasidėjusią dar 2020 m.. Karas Ukrainoje ir po to sekusi sumaištis akcijų bei finansų, žaliavų ir energetikos rinkose greitai apvertė situacija Lietuvos nekilnojamojo turto rinkoje, o žmonių lūkesčiai dėl nekilnojamojo turto kainų greitai pasikeitė.(Bank of Lithuania: protracted war and energy shock to slow economic growth, s.a.) Nuo 2022 m. rugpjūčio nekilnojamojo turto kainos nustojo kilti, o kai kuriuose segmentuose net šiek tiek sumažėjo. pav. 6 Vidutinė nekilnojamojo turto kaina Lietuvoje, už kvadratinį metrą. Šaltinis:(Aruodas.lt, s.a.) Pavasarį, prasidėjus karui Ukrainoje, į Lietuvą pradėjo atvykti daug ukrainiečių ir baltarusių. Kai kurios apgyvendinimo vietos Ukrainos karo pabėgėliams buvo suteiktos nemokamai, kitos buvo išnuomotos, o dėl to staiga sumažėjusi turimų butų pasiūla ir padidėjusi paklausa lėmė, kad būsto nuomos kainos šoktelėjo net 20–25 proc. Antrąjį pusmetį nuomos kainos nukrito į pradinį lygį po to, kai daugumoje miestų stabilizavosi apgyvendinimo paslaugų pasiūla ir paklausa.(Karčiauskas Justas, 2022) 2. METODOLOGIJA 2.1. Aprašomoji statistika Aprašomoji statistika yra pagrindinė analizės stadija, kuri suteikia reikšmingą informaciją apie duomenis ir yra svarbi atliekant tolesnes statistines analizes. Aprašomoji statistika bus naudojama labiausiai Ukrainos karo metu paveiktiems rodiklių pokyčiams aprašyti: eksportui, importui, infliacijai, nedarbo lygiui, pramonei. Naudojant šiuos kintamuosius bus atliekamas tyrimas, kurio tikslas – sužinoti ar tarp kintamųjų egzistuoja ryšis. Taip pat bus nustatomas ryšių stiprumas ir jų daroma įtaka nagrinėjamajam veiksniui. Tikslui pasiekti naudojama aprašomoji statistika, kurios pagalba bus vizualiai pateikiami minėti rodikliai (Pabedinskaitė & Činčikaitė, 2016). 2.2. Koreliacinė analizė Koreliacinė analizė yra vienas iš analizės tipų, skirtų įvertinti statistinę sąsają (ryšį) tarp dviejų kintamųjų. Koreliacinėje analizėje nustatomas statistinio ryšio stiprumas tarp stebėtų kintamųjų, ir jis yra išreiškiamas koeficientu (r). Koreliacija parodo ryšio kryptį – vieno kintamojo reikšmei didėjant, kito kintamojo reikšmė gali didėti arba mažėti. Todėl Koreliacijos koeficientai įgyja reikšmes nuo –1 iki 1. Teigiamas koreliacijos koeficientas rodo, kad vienam kintamajam didėjant, didėja ir kitas kintamasis. Neigiama koreliacija rodo, kad vienam didėjant, kitas kintamasis mažėja. Kuo reikšmė arčiau –1 arba 1, tuo priklausomybė tarp kintamųjų yra stipresnė. (SPSS - Statistika lengvai ir paprastai, s.a.) Ryšio reikšmingumui įvertinti yra taikoma tokia sąlyga: Sig 0,25, darome išvadą, jog sudarytas regresijos modelis yra tinkamas. Sekantis veiksnys su kuriuo atliksiu regresinę analizę yra importas. lentelė 6. BVP ir importo rodiklių duomenų išskirties tikrinimas Residuals Statisticsa   Minimum Maximum Mean Std. Deviation N Cook's Distance 0,017 0,440 0,251 0,204 5 Šaltinis: sudaryta autoriaus Atlikus regresinę analizę su BVP ir importu, vėl tikriname ar duomenyse nėra išskirčių pasitelkdami Kuko matą. Lentelėje matome, jog maksimali Kuko mato reikšmė yra mažesnė už 1, todėl darome prielaidą, jog duomenyse nėra išskirčių. Toliau apskaičiuojame koeficinientus ir sudarome lygtį y =21102,691+ 0,001x lentelė 7. BVP ir importo rodiklių koeficientai Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 21102,691 5188,218   4,067 0,027 Importas 0,001 0,000 0,965 6,404 0,008 a. Dependent Variable: BVP Šaltinis: sudaryta autoriaus Tuomet vėl skaičiuojame determinacijos koeficientą. Pagal lentėlės duomenis, determinacijos koef. yra lygus 0,932. Todėl darome išvada, jog regresijos modelis yra tinkamas. lentelė 8. BVP ir importo rodiklių determinacijos koeficientas Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .965a 0,932 0,909 2574,76772 a. Predictors: (Constant), Importas b. Dependent Variable: BVP Šaltinis: sudaryta autoriaus Paskutinis veiksnys su kuriuo bus atliekama regresinė analizė yra pramonė. lentelė 9. BVP ir pramonės produkcijos rodiklių koeficientai Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -9740,733 8867,845   -1,098 0,352 Pramone 487,150 67,843 0,972 7,181 0,006 a. Dependent Variable: BVP Šaltinis: sudaryta autoriaus Atlikus koreliacinę analizę iššskirčių duomenyse nerasta, todėl apskaičiuojame koefecientus ir užrašome regresijos lygtį: y =9740,733+ 487,150 Apskaičiavus determinacijos koeficientą (R2=0,945), galima teigti, jog regresijos modelis tinkamas. lentelė 10. BVP ir pramonės produkcijos rodiklių determinacijos koeficientas Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate 1 .972a 0,945 0,927 2312,59575 a. Predictors: (Constant), Pramone b. Dependent Variable: BVP Šaltinis: sudaryta autoriaus Sekantis žingsnis – atlikti daugianarę regresinę analizę. lentelė 11. Daugianarė regresinė analizė Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) -1937,934 2184,832 -0,887 0,538 Importas -0,002 0,000 -1,669 -7,764 0,082 0,008 128,098 Eksportas 0,003 0,000 2,603 10,175 0,062 0,006 181,424 Pramone 22,810 40,149 0,046 0,568 0,671 0,056 17,794 Šaltinis: sudaryta autoriaus Atlikus daugianarę regresinę analizę, gauname lygtį y= -1937,934-0,002x1+0,003x2+22,810x3. Atkreipus dėmesį į VIF rodiklį, matome, jog egzistuoja multikolinearumas tarp rodiklių, nes VIF rodiklis nturėtų būti mažesnis už 4. Todėl darome išvada, jog diagianarės regresijos modelio sudarymas nėra galimas. 3.4. BVP rodiklio prognozavimas Kad nustatyti BVP rodiklio ateities prognozes, atliksiu slenkančio vidurkio ir eksponentinio išlyginimo prognozavimo metodus. Atliekant prognozavimą pirmuoju metodu bus pasirenkami praėjusių 2 ir 3 metų laikotarpiai. Skaičiavimams atlikti naudosiu Excel programą. lentelė 12. Prognozavimas slenkančio vidurkio metodu t Metai BVP n=2 n=3 MAPE (n=2) MAPE (n=3) 1 2018 45515.20 2 2019 48908.20 3 2020 49769.60 47211.7 0.05418 4 2021 56179.10 49338.9 48064.3 0.13864 0.16883 5 2022 67133.10 52974.4 51619 0.26728 0.30055 Prognozė 61656.1 57693.9 Suma: 0.46009 0.46938 MAPE: 0.15336 0.23469 Šaltinis: sudaryta autoriaus Lentelės pateikti duomenys rodo, kad atliekant prognozę su 2-iejų praėjusių metų duomenimis gautas rezultatas tikslesnis, nes paklaida mažesnė (0.15336

Daugiau informacijos...

★ Klientai rekomenduoja

Šį rašto darbą rekomenduoja mūsų klientai. Ką tai reiškia?

Mūsų svetainėje pateikiama dešimtys tūkstančių skirtingų rašto darbų, kuriuos įkėlė daugybė moksleivių ir studentų su skirtingais gabumais. Būtent šis rašto darbas yra patikrintas specialistų ir rekomenduojamas kitų klientų, kurie po atsisiuntimo įvertino šį mokslo darbą teigiamai. Todėl galite būti tikri, kad šis pasirinkimas geriausias!