Анализ факторов влияющих на эффективность футбольных клубов Российской премьер – лиги

Изучение теоретических аспектов понятия эффективности в спорте и футболе. Определение основных факторов, влияющих на эффективность футбольных клубов. Обнаружение отрицательной взаимосвязи смены главного тренера и эффективности футбольного клуба.

Рубрика Экономика и экономическая теория
Вид дипломная работа
Язык русский
Дата добавления 14.08.2020
Размер файла 279,6 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Далее, перейдем к показателю, который обозначает, что футбольный клуб получил возможность участия в Российской Премьер - лиге, путем успешного выступления в первом дивизионе, по итогам которого, занял высокое место, которое гарантирует повышение в классе на следующий сезон. Коэффициент при переменной является значимым и сигнализирует о снижении эффективности команды в следующем сезоне РПЛ на 0,378 очков за одну игру с 99% вероятностью. Таким образом гипотеза о том, что команды, которые перешли из более низкого дивизиона, будут использовать более эффективно имеющиеся у них ресурсы, не подтвердилась.

Помимо этого, коэффициент при переменной, которая обозначает количество иностранных игроков в команде, является значимым на 1% уровне и имеет отрицательную взаимосвязь с зависимой переменной. Получается, что при увеличении количества легионеров в команде на 1 человека, эффективность набора средних очков за матч, в среднем и при прочих равных, с вероятность 99% уменьшится на 0,029.

Далее рассмотрим еще одну выдвигаемую гипотезу о том, что увеличение количества еврокубковых матчей снижает эффективность футбольных клубов. Коэффициент при переменной «Euro» является значимым и положительным. То есть, при увеличении количества еврокубковых матчей на 1 единицу при прочих равных, с 99% вероятностью эффективность футбольного клуба увеличится на 0,027. Данную гипотезу не удалось подтвердить.

Коэффициент при переменной, которая показывает трансферную стоимость футбольного клуба является также значимым, но имеет отрицательную связь, что является противоположным результатом тому, что был получен в предыдущих исследованиях.

В конце анализа полученных результатов следует обобщить вышесказанное. В ходе данного исследования была подтверждена гипотеза о негативном влиянии смены главного тренера футбольного клуба на эффективность команды. Помимо этого, отрицательную связь с зависимой переменной демонстрируют такие показатели как: трансферная стоимость команды, количество иностранных игроков, зарегистрированных на сезон и показатель, который обозначает команды, вышедшие в РПЛ из ФНЛ. Положительную взаимосвязь имеют коэффициенты при переменной, которая показывает количество сыгранных еврокубковых матчей, а также средняя посещаемость домашнего стадиона.

Рейтинг эффективности

После построения модели по методу стохастического пограничного анализа и получения соответствующих результатов, следующей задачей являлось составление прогнозных значений эффективности российских футбольных клубов. Найденные значения ошибок неэффективности футбольных команд были использованы для составления рейтинга эффективности клубов в сезонах с 2012 по 2019 года. Далее, рейтинг эффективности клубов (Прил.1) для более удобного восприятия был представлен в виде двух частей: 7 самых эффективных и 7 самых неэффективных футбольных клубов.

Для начала, рассмотрим рейтинг самых эффективных футбольных клубов в Российской Премьер - лиге. Напомним, что данный рейтинг показывает те команды, которые максимально эффективно использовали свои ограниченные ресурсы для получения максимального результата.

Таблица 6

Рейтинг самых эффективных футбольных клубов в РПЛ

Team

City

Season

Points

Points_p_g

Place

TE

1

Rostov

Rostov-on-Don

2015-2016

63

2.10

2

0.9970393

2

Lokomotiv

Moscow

2013-2014

59

1.97

3

0.9970244

3

Orenburg

Orenburg

2018-2019

43

1.43

7

0.9970229

4

CSKA

Moscow

2013-2014

64

2.13

1

0.9970228

5

Lokomotiv

Moscow

2018-2019

56

1.87

2

0.9970218

6

Spartak

Moscow

2013-2014

50

1.67

6

0.9970173

7

Dynamo

Moscow

2013-2014

52

1.73

4

0.9970165

Основываясь на составленном рейтинге, можно утверждать, что самым эффективным футбольным клубом в Российской Премьер - лиге за последние 7 лет стал «Ростов» из города Ростов-на-Дону в сезоне 2015-2016. В данном сезоне команда продемонстрировала отличный результат, пропустила меньше всех голов в лиге, заработала 63 очка и заняла второе место. В среднем, они набирали 2,10 очка за одну игру, данное значение совсем немного уступает чемпионским значениям предыдущих лет, что подтверждается в итоговой таблице: команда уступила чемпионам всего лишь в 2 очка. Второе место в чемпионате стало для футбольного клуба лучшим результатом в истории клуба. Помимо этого, «Ростов» квалифицировался в элитный еврокубковый турнир «Лига Чемпионов УЕФА», что принесло им внушительные призовые, которые, несомненно, повлияли на количество ресурсов в следующих сезонах.

В данном рейтинге также хотелось бы отметить «неожиданное» третье место футбольного клуба «Оренбург» из одноименного города. Футбольный клуб из Оренбурга летом 2018 года занял первое место в первом дивизионе (Футбольная Национальная лига) и, таким образом, получил возможность участия в РПЛ в сезоне 2018-2019. Основная задача команды на предстоящий сезон была сформулирована как «избежать вылета в более низший дивизион». Однако, по результатам сезона 2018-2019, набирая в среднем за матч 1,43 очка, футбольный клуб «Оренбург» занял седьмое место в российском чемпионате с 43 очками, остановившись в трех очках от места, которое гарантирует квалификацию в еврокубки. При этом бюджет клуба на данный сезон был третьим с конца по величине бюджетов всех команд, что говорит о эффективном использовании небольших ресурсов. После такого яркого сезона футбольный клуб погасил все задолженности по зарплатам футболистов, а также сумел сохранить основных лидеров команды для дальнейшего спортивного прогресса в национальном чемпионате.

Можно заметить, что в рейтинге 7 самых эффективных футбольных клубов в РПЛ только один клуб по итогам сезона стал чемпионом лиги. При этом показатель технической эффективности у данного команды меньше, чем у его принципиального соперника, который в том же сезоне занял более низкое место. Это говорит о том, что не всегда победителем Российской Премьер - лиги является футбольный клуб, который наиболее эффективно использует свои имеющиеся ресурсы. И также можно сказать, что, если футбольная команда эффективно преобразовывает ресурсы в результат, это не означает, что данной команде гарантируется победа в национальном чемпионате. Помимо этого, рассматривается тенденция, что верхнюю часть рейтинга эффективности, в основном, занимают клубы с большим бюджетом, или как их называют - «топ - клубы», которые финансируются за счет частных инвестиций. Одним из предположений по данной ситуации может являться возможность таких клубов пересматривать в определенной мере свои ресурсы за счет новых инвестиций в течение сезона, которые позволят создать большее количество вариантов для увеличения эффективности команды. В то время как небольшие клубы с государственной поддержкой лишены такой возможности, что не позволяет наиболее эффективно распределять свои ресурсы.

Далее был составлен рейтинг самых неэффективных клубов в РПЛ, которые заняли последние пять мест по значениям технической эффективности.

Таблица 7

Рейтинг самых неэффективных клубов в РПЛ

Team

City

Season

Points

Points_p_g

Place

TE

1

Anzhi

Makhachkala

2013-2014

20

0.67

16

0.9969471

2

Zenit

Saint - Petersburg

2017-2018

53

1.77

5

0.9969531

3

Tom

Tomsk

2016-2017

14

0.47

16

0.9969554

4

Ufa

Ufa

2015-2016

27

0.90

12

0.9969596

5

Dynamo

Moscow

2015-2016

25

0.83

15

0.9969603

6

Anzhi

Makhachkala

2018-2019

21

0.70

15

0.9969606

7

SKA

Khabarovsk

2017-2018

13

0.43

16

0.9969606

При рассмотрении нижней части рейтинга эффективности, можно заметить, что большую часть списка составляют команды, которые в одной из основных существующих моделей футбольных клубов, классифицируются как маленькие клубы. Такие команды, как правило, имеют небольшие бюджеты на сезон, по сравнению с их конкурентами. Их главной целью является получение доходов для дальнейшего нормального функционирования клуба. Одним из основных источников доходов является продажа ведущих и перспективных игроков в различные топ - клубы. Продажа таких игроков, помимо полученных доходов, может негативно сказаться на спортивных результатах, в том числе эффективности набора очков.

Однако, второе место по неэффективности в данном рейтинге занимает футбольный клуб «Зенит» из Санкт - Петербурга. Данная команда является одной из ведущих в Российском чемпионате, и каждый сезон их главной задачей является победа в национальном чемпионате, что делает их присутствие в данном списке неожиданным. В сезоне 2017 - 2018 клуб занял пятое место в лиге, набрав 53 очка, и при этом отстал от лидера всего на 7 очков. Однако такой результат стал худшим результатом клуба за последние 10 лет, и после окончания данного сезона, клуб уволил главного тренера команды. Стоит также отметить, что ресурсы футбольного клуба «Зенит» превосходили ресурсы соперников более чем в 2 раза, что говорит о неэффективности команды в данном сезоне.

На пятом месте рейтинга расположился футбольный клуб «Динамо», набравший 25 очков за сезон 2015-2016 и впервые в своей 93-летней истории, покинул высший дивизион национального чемпионата. За данный сезон руководство клуба сменило трех главных тренеров команды, продала большое количество легионеров, при этом показав провальную селекцию. Помимо этого, в составе совета директоров футбольного клуба также происходили изменения по ходу сезона и были проблемы с генеральным спонсором. Плохие спортивные результаты и отсутствие ясности в ближайшем будущем команды испортило отношения клуба и болельщиков, что отрицательно сказалось на посещаемости домашнего стадиона. Совокупность всех этих факторов не могла негативно не сказаться на эффективности футбольного клуба в наборе очков, в среднем, они набирали 0,83 очка за игру, что для чемпиона СССР и клуба с многолетней историей является недопустимым значением.

Заключение

В настоящее время футбол является одним из самых популярных видов спорта в мире. Многомиллиардные контракты с телевидением, огромные призовые суммы за участие в еврокубках побудили руководство футбольных клубов более тщательно разрабатывать стратегию развития клуба, а также достигать высокой эффективности в достижении спортивных результатов.

Главная задача данной исследовательской работы была обозначена как анализ факторов, которые могут повлиять на эффективность футбольных клубов, выступающих в Российской Премьер - лиге.

Исследование основывается на базе данных по футбольным клубам, которые принимали участие в одном или в нескольких футбольных сезонов в Российской Премьер - лиге в период с 2012 по 2019 года.

Эффективность в работе была представлена как среднее количество очков за одну игру, которые заработали футбольные клубы на протяжении всего футбольного сезона. Так как одной из важных задач этой работы является измерение эффективности, то в качестве метода для построения модели, был использован стохастический пограничный анализ (Stochastic frontier analysis). Текущий метод широко используется для измерения эффективности деятельности организации. Помимо стохастической ошибки, куда входят все неучтенные внешние факторы, данный метод использует ошибку неэффективности, которая выражается в разности между максимально возможным и фактическим выпуском. Далее, основываясь на ошибке неэффективности, был составлен рейтинг эффективности футбольных клубов.

Построенная модель позволила проверить следующие гипотезы:

· Гипотеза №1 о том, что смена главного тренера негативно влияет на эффективность футбольного клуба подтвердилась, так как было выявлено, что при смене тренера, эффективность набора очков за 1 игру уменьшилась на 0,118 очков.

· Гипотеза №2, про увеличение количества еврокубковых матчей, которое отрицательно сказывается на эффективности команды не была подтверждена.

· Гипотеза №3 также была не подтверждена, так как по результатам исследования выяснилось, что команды, которые перешли из более низшего дивизиона менее эффективно используют свои ресурсы, что противоречит данной гипотезе.

Стоит отметить, что данное исследование имеет ряд ограничений. Одно из существенных ограничений связано с используемой базой данных. Анализируемый массив данных включает в себя 7 сезонов и составляет всего 112 наблюдений, что не позволяет получить более качественную модель. Данное ограничение возникло из-за переходного периода в российском футболе в 2011 году, когда футбольный сезон был увеличен и команды сыграли больше матчей, чем в остальных сезонах. Этот факт мог исказить часть результатов, так как предполагается, что каждый сезон имеет одинаковое количество туров и ресурсы команд равномерно распределены по ходу сезона.

Следующим ограничением является измерение эффективности футбольных клубов. Максимизация спортивного результата при имеющихся ресурсах, является только одной из нескольких задач футбольного клуба. Исследование можно расширить за счет рассмотрения сразу нескольких главных задач клуба.

Помимо этого, следующее ограничение связано с труднодоступностью определенного вида данных футбольных клубов, так как они имеют право не разглашать внутреннюю информацию клуба. В связи с этим, часть данных основана на предварительных оценках экспертов, что может внести некоторые неточности в полученные результаты.

Дальнейшие исследования могут быть направлены на борьбу с вышеперечисленными ограничениями, а также на поиск новых независимых переменных, которые позволят более точно описать задачи и поведение футбольных клубов. Помимо этого, альтернативным вариантом является построение моделей с применением более развернутого стохастического пограничного анализа или построение при помощи других эконометрических методов и дальнейшего сравнения между данными моделями.

Список использованной литературы

Специальная литература

1. Aigner D.J., Lovell C.A.K., and Schmidt P. (1977). “Formulation and estimation of stochastic frontier production functions” // Journal of Econometrics. 6 21-37.

2. Baroncelli A., & Lago U. (2006). “Italian football” // Journal of Sports Economics 7(1), 13-28

3. Barros C. P., Douvis J. (2009). “Comparative analysis of football efficiency among two small European countries: Portugal and Greece” // International Journal of Sport Management and Marketing. Vol. 6, № 2. P. 183-199.

4. Barros C. P., Garcia-del-Barrio P. (2008). “Efficiency measurement of the English football Premier League with a random frontier model” // Economic modelling. Vol. 25, № 5. P. 994-1002.

5. Boscб J. E., LiernV., Martнnez A.et al. (2009). “Increasing offensive or defensive efficiency? An analysis of Italian and Spanish football” // Omega.Vol. 37, № 1. P. 63-78.

6. Buraimo B., Forrest D., Simmons R. (2007). “Freedom of Entry, Market Size, and Competitive Outcome: Evidence from English Soccer” // Southern Economic Journal 2007, 74(1), 204-213

7. Carmichael F., Thomas D., Ward R., (2000). “Team performance: the case of English premiership football”// Managerial and Decision Economics 21: 31-45.

8. Dawson P, Dobson S, Gerrard B. (2000b). “Stochastic frontiers and the temporal structure of managerial ef?ciency in English soccer” // Journal of Sports Economics 1: 341-362.

9. Deloitte, Touche (1999). “Informe Anual 1996/97 sobre las Finanzas en la Primera Divisiуn del Fъtbol en Espaсa” // Deloitte & Touche.

10. Deloitte, Touche (2000 b). “Informe Anual 1997/98 y 1998/99. Las Finanzas en la Primera Divisiуn del Fъtbol en Espaсa” // Deloitte & Touche.

11. Espitia-Escuer, M. & Garcнa-Cebriбn, L.I. (2010). “Measurement of the Efficiency of Football Teams in the Champions League” // Managerial and Decision Economics, 3, (6), 373-386.

12. Farrell, M. (1957). “The Measurement of Productive Efficiency” // Journal of the Royal Statistical Society. 120 (3) 253-281.

13. Galariotis E., Germain C., Zopounidis C. (2017). “A combined methodology for the concurrent evaluation of the business, ?nancial and sports performance of football clubs: the case of France” // Springer Science+Business Media, LLC.

14. Garcia-del-Barrio P., Szymanski S. (2009). “Goal! Profit Maximization Versus Win Maximization in Soccer” // Springer Science+Business Media, LLC.

15. Guzmбn I., Morrow S. (2007). “Measuring efficiency and productivity in professional football teams: evidence from the English Premier League” //Central European Journal of Operations Research. Vol. 15, № 4. P. 309-328.

16. Jardin M. (2009). “Efficiency of French football clubs and its dynamics” // Munich Personal RePEc Archive.

17. Meeusen, W. and van Den Broeck, J. (1977). “Efficiency estimation from Cobb-Douglas Production Functions with Composed Error” // International Economic Review. 18 (2) 435-444.

18. Terrien M., Scelles N., Morrow S. et al. (2017). “The win?/?pro?t maximization debate: strategic adaptation as the answer?” // Sport, Business and Management. Vol. 7, № 2. P. 121-140.

19. Quirk, J., & Fort, R. (1992). “Pay dirt, the business of professional team sports” // Princeton: Princeton University Press.

20. Szymanski, S., Kuypers, T. (1999). “Winners and Losers: The Business Strategy of Football” // Penguin, Harmondsworth.

21. Zelenkov Y., & Solntsev I., (2017). “Measuring the e?ciency of Russian Football Premier League clubs” // Electronic Journal of Applied Statistical Analysis. Vol. 10, № 3. P. 773-789.

22. Гурьева О.А. (2016). “Экономическая эффективность: сущность, особенности и методика оценки” // Economist of the year 2016. С. 4-13

23. Осокин Н. А. (2017) “Детерминанты организационной эффективности и результативности футбольных клубов” // Эффективное Антикризисное Управление. №. 3 (102). С. 98-109.

24. Осокин Н. А. (2018). “Максимизация прибыли или побед: оптимальная стратегия управления эффективностью футбольных клубов в РФ” // Стратегические решения & Риск-менеджмент №2 (107)

Электронные ресурсы

25. База данных спортивных событий “Sofascore” [Электронный ресурс] URL: https://www.Sofascore.com/

26. Крупнейший спортивный сайт “Transfer market” [Электронный ресурс] URL: https://www.Transfermarkt.de/

Приложение 1

Рейтинг эффективности команд

Team

Season

Points

Place

TE

1

Rostov

2015-2016

63

2

0.9970393

2

Lokomotiv

2013-2014

59

3

0.9970244

3

Orenburg

2018-2019

43

7

0.9970229

4

CSKA

2013-2014

64

1

0.9970228

5

Lokomotiv

2018-2019

56

2

0.9970218

6

Spartak

2013-2014

50

6

0.9970173

7

Dynamo

2013-2014

52

4

0.9970165

8

CSKA

2012-2013

64

1

0.9970158

9

Mordovia

2014-2015

38

8

0.9970131

10

CSKA

2014-2015

60

2

0.9970128

11

Spartak

2016-2017

69

1

0.9970116

12

CSKA

2015-2016

65

1

0.9970095

13

Krasnodar

2013-2014

50

5

0.9970078

14

Krasnodar

2014-2015

60

3

0.9970062

15

Krylya-Sovetov

2015-2016

35

9

0.9970062

16

Dynamo

2017-2018

40

8

0.997005

17

Rubin

2014-2015

48

5

0.9970048

18

Zenit

2015-2016

59

3

0.9970043

19

Dynamo

2012-2013

48

7

0.997004

20

Lokomotiv

2017-2018

60

1

0.9970028

21

Akhmat

2012-2013

48

8

0.9970026

22

Zenit

2014-2015

67

1

0.9970022

23

Zenit

2016-2017

61

3

0.9970015

24

Arsenal

2018-2019

46

6

0.9970011

25

CSKA

2016-2017

62

2

0.9969994

26

Ufa

2014-2015

31

12

0.9969991

27

Rubin

2016-2017

38

9

0.9969991

28

Akhmat

2018-2019

42

8

0.9969988

29

Tom

2013-2014

31

13

0.9969985

30

Kuban

2012-2013

51

5

0.9969981

31

Rubin

2012-2013

50

6

0.996998

32

Zenit

2012-2013

62

2

0.9969978

33

Torpedo

2014-2015

29

15

0.9969959

34

Ural

2013-2014

34

11

0.9969954

35

Zenit

2013-2014

63

2

0.9969952

36

Akhmat

2016-2017

48

5

0.9969949

37

Amkar

2013-2014

38

10

0.9969943

38

Ufa

2017-2018

43

6

0.996994

39

Lokomotiv

2015-2016

50

6

0.9969938

40

Krasnodar

2017-2018

54

4

0.9969934

41

Krasnodar

2012-2013

42

10

0.9969931

42

Krasnodar

2015-2016

56

4

0.9969929

43

Ufa

2016-2017

43

7

0.9969928

44

Lokomotiv

2014-2015

43

7

0.9969922

45

Orenburg

2016-2017

30

13

0.9969922

46

Rostov

2013-2014

39

7

0.996992

47

Kuban

2014-2015

36

10

0.9969916

48

Rubin

2017-2018

38

10

0.9969915

49

CSKA

2018-2019

51

4

0.9969905

50

Akhmat

2015-2016

44

7

0.9969903

51

Amkar

2014-2015

32

11

0.9969877

52

Dynamo

2018-2019

33

12

0.9969873

53

Krasnodar

2018-2019

56

3

0.9969872

54

Anzhi

2016-2017

30

12

0.9969868

55

Anzhi

2015-2016

26

13

0.9969867

56

Arsenal

2017-2018

42

7

0.9969866

57

Akhmat

2014-2015

37

9

0.9969864

58

Lokomotiv

2012-2013

43

9

0.9969863

59

Arsenal

2016-2017

28

14

0.9969856

60

Ural

2015-2016

39

8

0.9969855

61

Spartak

2015-2016

50

5

0.9969847

62

Lokomotiv

2016-2017

42

8

0.9969841

63

Ural

2017-2018

37

12

0.9969839

64

Amkar

2016-2017

35

10

0.9969836

65

Spartak

2017-2018

56

3

0.9969833

66

Ural

2016-2017

30

11

0.9969828

67

Spartak

2012-2013

51

4

0.9969823

68

Rostov

2012-2013

29

13

0.996981

69

Anzhi

2012-2013

53

3

0.9969808

70

Dynamo

2014-2015

50

4

0.9969808

71

Ural

2018-2019

38

10

0.9969805

72

Rostov

2017-2018

37

11

0.9969801

73

Spartak-V

2012-2013

19

16

0.9969799

74

Rostov

2016-2017

48

6

0.9969781

75

Spartak

2018-2019

49

5

0.9969778

76

Zenit

2018-2019

64

1

0.9969774

77

Amkar

2015-2016

31

11

0.9969773

78

CSKA

2017-2018

58

2

0.9969771

79

Amkar

2012-2013

29

11

0.996977

80

Spartak

2014-2015

44

6

0.9969762

81

Krylya-Sovetov

2018-2019

28

13

0.9969755

82

Krasnodar

2016-2017

49

4

0.9969754

83

Amkar

2017-2018

35

13

0.9969742

84

Tosno

2017-2018

24

15

0.9969734

85

Rubin

2013-2014

38

9

0.9969728

86

Krylya-Sovetov

2013-2014

29

14

0.9969724

87

Akhmat

2017-2018

39

9

0.9969718

88

Enisey

2018-2019

20

16

0.9969717

89

Kuban

2013-2014

38

8

0.9969712

90

Volga

2012-2013

29

12

0.9969708

91

Rubin

2018-2019

36

11

0.9969694

92

Akhmat

2013-2014

33

12

0.9969687

93

Rostov

2014-2015

29

14

0.9969685

94

Ural

2014-2015

30

13

0.9969681

95

Mordovia

2012-2013

20

15

0.9969676

96

Krylya-Sovetov

2016-2017

28

15

0.9969656

97

Mordovia

2015-2016

24

16

0.9969655

98

Arsenal

2014-2015

25

16

0.9969652

99

Anzhi

2017-2018

24

14

0.9969652

100

Rubin

2015-2016

33

10

0.9969649

101

Ufa

2018-2019

26

14

0.9969644

102

Krylya-Sovetov

2012-2013

28

14

0.9969642

103

Kuban

2015-2016

26

14

0.9969639

104

Volga

2013-2014

21

15

0.9969614

105

Rostov

2018-2019

41

9

0.9969612

106

SKA

2017-2018

13

16

0.9969606

107

Anzhi

2018-2019

21

15

0.9969606

108

Dynamo

2015-2016

25

15

0.9969603

109

Ufa

2015-2016

27

12

0.9969596

110

Tom

2016-2017

14

16

0.9969554

111

Zenit

2017-2018

53

5

0.9969531

112

Anzhi

2013-2014

20

16

0.9969471

Размещено на Allbest.ru


Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.