Факторы коммерческого успеха футбольных клубов
Коммерческая деятельность европейских и российских футбольных клубов, влияние спортивных достижений на их прибыль. Продажа билетов и сувенирная продукция. Результативность европейских клубов. Премии и денежные призы. Ужесточение лимита на легионеров.
| Рубрика | Спорт и туризм |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 14.07.2018 |
| Размер файла | 748,5 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.
328
328
328
328
На основе проведенных тестов, а также анализа R-квадрата и информационных критериев в качестве оптимальной была выбрана модель (28), уравнение значимо на любом разумном уровне значимости. В качестве оптимальной спецификации остановимся на нейи построим модели с фиксированными и случайными эффектами.
Таблица 16Составлено автором на основе проведенных вычислений
|
Зависимая переменная: логарифм прибыли (l_Profitit) |
||||
|
Регрессоры |
PooledOLS (28) Объединенный МНК |
FE Модель с фиксированными эффектами (29) |
RE Модель со случайными эффектами (30) |
|
|
Const |
-3,36 (1,07)22***23 |
-3,23 (3,64) |
-3,33 (0,96)*** |
|
|
Leagueit |
-0,49 (0,62) |
-0,36 (0,63) |
-0,50 (0,43) |
|
|
CLit |
0,26 (0,15)* |
0,39 (0,20)* |
0,28 (0,17)* |
|
|
Attendanceit |
0,05 (0,02)*** |
0,04 (0,11) |
0,05 (0,02)*** |
|
|
Р-значение (F) |
2,12e-07 |
|||
|
КритерийАкаике |
1910,840 |
1935,419 |
1910,863 |
|
|
Числонаблюдений |
328 |
328 |
328 |
Чтобы выбрать наиболее подходящий метод, проведем ряд тестов Тесты проведены на 5% уровне значимости:
Таблица 17Составлено автором на основе проведенных вычислений
|
Название |
Статистика |
Р-значение |
Н0 |
Н1 |
Вывод |
|
|
На линейные ограничения |
270,962 |
4,41322e-078 |
Наилучшая оценка - объединенный МНК |
Наилучшая оценка - FE модель |
FE модель лучше |
|
|
Бреуш-Паган |
7,47041 |
0,00627212 |
Наилучшая оценка - объединенный МНК |
Наилучшая оценка - RE модель |
RE модель лучше |
|
|
Хаусман |
0,427909 |
0,934419 |
Наилучшая оценка - RE модель |
Наилучшая оценка - FE модель |
RE модель лучше |
Итак, модель со случайными эффектами является наилучшей, проинтерпретируем полученные результаты:
· CLit: в среднем при прочих равных на 90% уровне значимости можно утверждать, что прохождение клуба на каждый следующий этап Лиги Чемпионов увеличивает прибыль клуба на 32,31%, значимый положительный эффект данной переменной устойчиво прослеживается во всех рассмотренных спецификациях;
· Attendanceit: переменная среднегодовой заполняемости стадиона положительно значима на 99% уровне, данный эффект прослеживался во всех спецификациях, которые были рассмотрены ранее. При увеличении заполняемости стадиона на 1% прибыль клуба возрастает на 5%.
Таким образом, по итогам эмпирического исследования, проведенного выше, подтверждается гипотеза о влиянии спортивных достижений на прибыль европейских футбольных клубов, однако достижения внутри национального чемпионата не влияют на прибыль, достижения же в рамках Лиги Чемпионов влияют на прибыль положительно.
Проверка гипотезы № 2
Гипотеза 2
Футбольные клубы из промышленных городов коммерчески успешнее остальных команд.
Чтобы оценить связь прибыли футбольного клуба и вида города, в котором он был основан, введем бинарную переменную Industrialit, равную 1, если клуб был основан в индустриальном городе и 0 во всех остальных случаях. Наличие искомой связи подтвердится, если переменная будет значима на приемлемом уровне значимости. Для проверки данной гипотезы будет использована модель, выбранная при проверке гипотезы 1.
(31)
Модель со случайными эффектами
Основные параметры модели указаны в таблице ниже:
Таблица 18 Составлено автором на основе проведенных вычислений
|
Зависимая переменная: логарифм прибыли (l_Profitit) |
||||
|
Регрессоры |
Коэффициент |
Ст. ошибка |
Р-значение |
|
|
const |
?2,97645 |
1,04908 |
0,0046 |
|
|
Leagueit |
?0,454766 |
0,448044 |
0,3101 |
|
|
CLit |
0,260231 |
0,169590 |
0,1249 |
|
|
Attendanceit |
0,0476928 |
0,0171721 |
0,0055 |
|
|
Industriali |
?0,612250 |
0,697401 |
0,3800 |
|
|
Число наблюдений |
328 |
Ст. ошибка |
4,497473 |
Согласно построенной модели, переменная Industriali оказалась незначимой (р-значение 0,38), следовательно, тип города, в котором был основан футбольный клуб, не имеет значимого влияния на его прибыль. Поэтому гипотеза о том, что футбольные клубы из промышленных городов коммерчески успешнее остальных команд, не подтверждается. Прибыль футбольных клубов не зависит от типа города основания футбольного клуба.
Глава 4. Исследование российских футбольных клубов
Все предшествующие исследования были проведены в рамках различных стран Европы вне зависимости от их спортивных и финансовых показателей. Основным методом исследования в этих моделях был метод объединенного МНК, выводы от страны к стране различаются. Так как на данных по российским футбольным клубам подобных исследований не проводилось, особым интересом является выявление взаимосвязи спортивной и финансовой результативности клубов в реалиях российского футбола. Для проведения исследования были собраны данные по 21 российскому клубу за период с 2013 по 2016 год, итоговая выборка представляет собой сбалансированную панель для 21 наблюдения и 4 периодов. Список созданных переменных предоставлен в таблице в параграфе «данные», расчет прибыли так же осуществляется в миллионах евро.
Для российских клубов так же были собраны данные по форме организации клубов (данная информация недоступна для европейских клубов). По форме организации российские футбольные клубы делятся на два вида: коммерческие организации и некоммерческие организации. В связи с этим была создана еще одна переменная.
Таблица 19 Составлено автором
|
Название переменной |
Описание |
Возможные значения |
Среднее значение |
|
|
Commerciali |
Бинарная переменная, равная единице, если i-ый клуб является коммерческой организацией, иначе равна нулю |
1 или 0 |
0,43 |
Перейдем к дальнейшему исследованию.
Гипотеза 3
Спортивные достижения российских футбольных клубов положительно влияют на их прибыль.
В качестве зависимой переменной во всех построениях, во всех моделях используются переменная Profititи ее логарифм, в качестве переменных, описывающих спортивные достижения: League_placeit, CLit, ELit, Leagueit.
В качестве контрольных используются переменные: Attendanceit- как показатель популярности клуба, а так же бинарная переменная Commerciali как показатель организационной формы клуба.
Чтобы определить наиболее подходящую спецификацию для построения панельных моделей, а так же с целью проследить динамику, для каждого периода был построен ряд эконометрических моделей.
Результативность российских клубов на 2013 год
Рассмотрим серию моделей, построенную для клубов России на 2013 год.
Таблица 20 Составлено автором на основе проведенных вычислений
|
Зависимая переменная: прибыль (Profiti) |
логарифм прибыли (l_Profiti) |
|||||
|
Регрессоры |
(32) |
(33) |
(34) |
(35) |
(36) |
|
|
Const |
3,56 (1,63) В скобках приведены робастные стандартные ошибки HC1***, **, *** обозначения для 10%, 5% и 1% уровня значимости соответственно |
-0,24 (1,61) |
1,07 (2,19) |
-3,95 (3,45) |
-9,21 (4,03)** |
|
|
Leaguei |
-1,11 (0,52)** |
-0,11 (0,49) |
-0,53 (0,73) |
-0,13 (1,17) |
1,26 (1,24) |
|
|
League_placei |
-0,14 (0,08) |
-0,07 (0,08) |
-0,10 (0,08) |
-0,08 (0,20) |
0,02 (0,19) |
|
|
CLi |
3,88 (1,77)** |
3,62 (1,69)** |
3,81 (1,59)** |
2,42 (1,16)* |
2,05 (1,04)* |
|
|
ELi |
-1,22 (0,77) |
-1,29 (0,71)* |
-1,40 (0,69)* |
-1,07 (0,58)* |
-1,16 (0,48)** |
|
|
Attendancei |
0,19 (0,08)** |
0,20 (0,08)** |
0,26 (0,22) |
|||
|
Commerciali |
-1,05 (1,02) |
|||||
|
R2 |
0,6042 |
0,6418 |
0,6409 |
0,0774 |
0,1216 |
|
|
p-значение (F) |
0,0939 |
0,0458 |
0,0449 |
0,1888 |
0,0766 |
|
|
Критерий Акаике |
90,06176 |
88,61383 |
89,21398 |
110,9899 |
110,6042 |
|
|
Число наблюдений |
21 |
21 |
21 |
21 |
21 |
На основе проведенных тестов, а также анализа R-квадрата и информационных критериев (см. Приложение) в качестве оптимальной была выбрана модель (33), уравнение значимо на 95% уровне значимости, модель объясняет 64,18% изменения прибыли.
Интерпретация полученных результатов:
· CLi:в среднем и при прочих равных на 95% уровне значимости можно утверждать, что прохождение клуба на каждый следующий этап Лиги Чемпионов повышает прибыль клуба на 3,62 миллионов евро;
· ELi: в среднем при прочих равных на 90% уровне значимости прохождение клуба на следующий этап Лиги Европы сокращает прибыль клуба на 1,29 миллиона евро, схожий эффект наблюдался при анализе европейских клубов на 2013 год;
· Attendanceit: переменная среднегодовой заполняемости стадиона положительно значима на 95% уровне, данный эффект прослеживался во всех спецификациях, которые были рассмотрены ранее. При увеличении заполняемости стадиона на 1% прибыль клуба возрастает на 0,19 миллиона евро.
В 2013 году на прибыль российских клубов повлияло только выступление в европейских чемпионатах, результативность внутри национального чемпионата оказалась незначимой.
Результативность российских клубов на 2014 год
Оценим влияние различных факторов в 2014 году, в таблице ниже приведены наиболее удачные спецификации.
Таблица 21Составлено автором на основе проведенных вычислений
|
Зависимая переменная: прибыль (Profiti) |
логарифм прибыли (l_Profiti) |
|||||
|
Регрессоры |
(37) |
(38) |
(39) |
(40) |
(41) |
|
|
Const |
-25,17 (16,17) В скобках приведены робастные стандартные ошибки HC1*** |
-10,60 (9,77) |
-8,33 (1,94)*** |
-9,20 (4,88)* |
-9,05 (5,61) |
|
|
Leaguei |
6,42 (4,71) |
1,12 (3,26) |
1,47 (1,12) |
1,70 (1,39) |
1,64 (1,63) |
|
|
League_placei |
1,69 (0,96)**, **, *** обозначения для 10%, 5% и 1% уровня значимости соответственно |
1,54 (0,93) |
0,17 (0,24) |
0,19 (0,29) |
0,19 (0,31) |
|
|
ELi |
30,12 (5,81)*** |
29,42 (5,47)*** |
2,02 (0,64)*** |
1,96 (0,79)** |
1,94 (0,79) |
|
|
CLi |
3,83 (2,54) |
4,73 (2,95) |
||||
|
Attendancei |
0,05 (0,23) |
0,06 (0,22) |
||||
|
Commerciali |
-12,78 (8,98) |
-0,24 (1,73) |
||||
|
R2 |
0,8455 |
0,8578 |
0,3329 |
0,2929 |
0,2465 |
|
|
Р-значение (F) |
0,0002 |
0,0002 |
3,73e-06 |
0,00002 |
0,00003 |
|
|
Критерий Акаике |
179,1389 |
178,0362 |
112,9703 |
114,9197 |
116,8999 |
|
|
Число наблюдений |
21 |
21 |
21 |
21 |
21 |
На основе проведенных тестов, а также анализа R-квадрата и информационных критериев (см. Приложение) в качестве оптимальной была выбрана модель (39), уравнение значимо на любом допустимом уровне значимости, модель объясняет 33,29% изменения прибыли.
Интерпретация результатов:
· ELi: на 99% уровне значимости можно утверждать, что прохождение клуба на следующий этап Лиги Европы увеличивает прибыль футбольного клуба в 6,5 раз, однако в 2013 году данный параметр влиял на прибыль значимо отрицательно, такое же изменение в направленности влияния данного параметра прослеживалась и на общеевропейском уровне. Данный феномен объясняется ростом в 2014 году призовых премий, выплачиваемых УЕФА за участие и достигнутые результаты в Лиге Европы.
В 2014 году на прибыль российских повлияло успешное выступление в лиге Европы, достижения внутри национального чемпионата и в Лиге Чемпионов оказались незначимыми.
Результативность российских клубов на 2015 год
Перейдем к рассмотрению наилучших моделей, построенных для прогнозирования прибыли российских футбольных клубов в 2015 году.
Таблица 22 Составлено автором на основе проведенных вычислений
|
Зависимая переменная: прибыль (Profiti) |
логарифм прибыли (l_Profiti) |
||||
|
Регрессоры |
(42) |
(43) |
(44) |
(45) |
|
|
Const |
-0,17 (0,14) В скобках приведены робастные стандартные ошибки HC1 |
-4,89 (0,99)****, **, *** обозначения для 10%, 5% и 1% уровня значимости соответственно |
-4,89 (0,96)*** |
-5,42 (0,64)*** |
|
|
Leaguei |
-0,004 (0,06) |
||||
|
League_placei |
-0,006 (0,01) |
||||
|
ELi |
-0,20 (0,14) |
-0,24 (0,13)* |
-0,32 (0,14)** |
||
|
CLi |
-0,25 (0,38) |
||||
|
Attendancei |
-0,08 (0,07) |
-0,08 (0,06) |
|||
|
Commerciali |
|||||
|
R2 |
0,0101 |
0,0757 |
0,0729 |
0,0448 |
|
|
p-значение (F) |
0,8761 |
0,3368 |
0,1384 |
0,0389 |
|
|
Критерий Акаике |
12,61678 |
103,5953 |
101,6597 |
100,2870 |
|
|
Число наблюдений |
21 |
21 |
21 |
21 |
На основе проведенных тестов, а также анализа R-квадрата и информационных критериев (см. Приложение) в качестве оптимальной была выбрана модель (45), уравнение значимо на 95% уровне значимости, модель объясняет 3,89% изменения прибыли. Данная модель является единственной значимой в серии моделей для 2015 года. Стоит отметить, что и на уровне Европы, модели для 2015 года получились нестандартными. Это может быть обусловлено сменой конъюнктуры рынков поставщиков и потребителей в связи с кризисом, который начался в декабре 2014 года.
Перейдем к интерпретации модели:
· ELi: в среднем при прочих равных на 95% уровне значимости прохождение клуба на следующий этап Лиги Европы сокращает прибыль клуба на 37,71 %, схожий эффект наблюдался при анализе российских клубов на 2013 год.
В 2015 году на прибыль российских клубов повлияло только участие в Лиге Европы.
Результативность российских клубов на 2016 год
Оценим влияние различных факторов в 2014 году, в таблице ниже приведены наиболее удачные спецификации.
Таблица 23 Составлено автором на основе проведенных вычислений
|
Зависимая переменная: прибыль (Profiti) |
логарифм прибыли (l_Profiti) |
|||||
|
Регрессоры |
(46) |
(47) |
(48) |
(49) |
(50) |
|
|
Const |
1,18 |
-6,45 (6,40) |
-2,94 (2,65) |
6,55 (3,37)* |
7,47 (2,56)** |
|
|
Leaguei |
-3,61 (4,51) |
-1,26 (1,17) |
-4.36 (1,13)*** |
-4,56 (1,16)*** |
||
|
League_placei |
0,93 (0,83) |
0,89 (0,78) |
0,22 (0,18) |
0,05 (0,18) |
||
|
CLi |
16,96 (1,03)****, **, *** обозначения для 10%, 5% и 1% уровня значимости соответственно |
16,38 (1,43)*** |
1,88 (0,49)*** |
1,94 (0,36)*** |
1,87 (0,27)*** |
|
|
ELi |
-0,67 (0,18)*** |
-0,71 (0,14)*** |
||||
|
Attendancei |
-0,42 (0,12)*** |
-0,44 (0,12)*** |
||||
|
Commerciali |
6,51 (7,92) |
|||||
|
R2 |
0,5963 |
0,6068 |
0,2461 |
0,4356 |
0,4665 |
|
|
p-значение (F) |
5,13e-11 |
3,76e-10 |
0,0025 |
7,22e-11 |
2,49e-14 |
|
|
КритерийАкаике |
177,2021 |
176,6508 |
115,8268 |
111,9000 |
109,2900 |
|
|
Числонаблюдений |
21 |
21 |
21 |
21 |
21 |
На основе проведенных тестов, а также анализа R-квадрата и информационных критериев (см. Приложение) в качестве оптимальной была выбрана модель (50), уравнение значимо на любом доступном уровне значимости, модель объясняет 46,65% изменения прибыли.
Перейдем к интерпретации модели:
· Leaguei: в среднем и при прочих равных на 99% уровне вероятности можно утверждать, что при переходе клуба в лигу уровнем выше, его прибыль возрастет в 94,6 раза.
· CLi: в среднем и при прочих равных прохождение футбольного клуба на каждый дальнейший этап Лиги Чемпионов влечет за собой увеличение прибыли на 549%. На общеевропейском уровне в 2016 году данная переменная так же была положительно значима на 99% уровне;
· ELi: в среднем при прочих равных на 99% уровне значимости прохождение клуба на следующий этап Лиги Европы сокращает прибыль клуба на 103%, схожий эффект наблюдался при анализе российских клубов на 2013 годи 2015 год;
· Attendanceit: переменная среднегодовой заполняемости стадиона положительно значима на 99% уровне, при увеличении заполняемости стадиона на 1% прибыль клуба падает на 55,27%.
В 2016 году на прибыль российских футбольных клубов значительно положительно повлиял лишь факт успешного выступления в Лиге Чемпионов, прочие спортивные достижения оказали значимо отрицательное влияние.
Обобщенный результат по российским клубам
Подводя итоги, для каждого периода была выявлена наиболее оптимальная модель, проанализируем динамику полученных результатов, а так же выявим наиболее полную и оптимальную спецификацию для построения моделей на панельных данных.
Таблица 24Составлено автором на основе проведенных вычислений
|
Зависимая переменная: прибыль (Profiti) |
логарифм прибыли (l_Profiti) |
||||
|
Регрессоры |
2013 (33) |
2014 (39) |
2015 (45) |
2016 (50) |
|
|
Const |
-0,24 (1,61)В скобках приведены робастные стандартные ошибки HC1 |
-8,33 (1,94)*** |
-5,42 (0,64)*** |
7,47 (2,56)** |
|
|
Leaguei |
-0,11 (0,49) |
1,47 (1,12) |
-4,56 (1,16)*** |
||
|
League_placei |
-0,07 (0,08) |
0,17 (0,24) |
|||
|
CLi |
3,62 (1,69)***, **, *** обозначения для 10%, 5% и 1% уровня значимости соответственно |
1,87 (0,27)*** |
|||
|
ELi |
-1,29 (0,71)* |
2,02 (0,64)*** |
-0,32 (0,14)** |
-0,71 (0,14)*** |
|
|
Attandancei |
0,19 (0,08)** |
-0,44 (0,12)*** |
|||
|
R2 |
0,6418 |
0,3329 |
0,0448 |
0,4665 |
|
|
Р-значение |
0,0458 |
3,73e-06 |
0,0389 |
2,49e-14 |
|
|
Критерий Акаике |
88,61383 |
112,9703 |
100,2870 |
109,2900 |
Из периода в период меняется конфигурация значимых переменных, а так же направленность их влияния. Данный эффект может быть вызван изменением призовых премий по итогам участия в европейских лигах, изменения структуры доходов и расходов, изменением конъюнктуры рынков поставщиков товаров и услуг.
Смена направленности влияния переменнойELi прослеживается в 2014 году, это обусловлено резким увеличением призового фонда Лиги Европы. В 2013, 2015 и 2016 годах данная переменная имеет отрицательный характер влияния на прибыль. Эффект может быть объяснен тем, что при проведении на стадионах клуба матчей лиги клубам предъявляют очень строгие требования, возросшие затраты на проведение игр, транспортировку игроков и обеспечение высокого уровня безопасности не компенсируются призовыми выплатами. Идентичный эффект прослеживается и на общеевропейских моделях.
В отличие от европейских клубов, при переходе российских клубов в более высокую лигу наблюдается эффект роста прибыли в несколько десятков раз.
Проверка гипотезы №3
Перейдем к построению панельных моделей. Чтобы выбрать наиболее подходящую спецификацию для построения панельных моделей различными методами, рассмотрим ряд моделей объединенного МНК, построенных по наилучшим спецификациям попериодных моделей.
В таблице ниже приведены самые удачные спецификации модели.
Таблица 25Составлено автором на основе проведенных вычислений
|
Зависимая переменная: прибыль (Profitit) |
логарифм прибыли (l_Profitit) |
||||
|
Регрессоры |
(51) |
(52) |
(53) |
(54) |
|
|
Consti |
-16,12 (12,91)В скобках приведены робастные стандартные ошибки Arellano |
-5,29 (1,00)*** |
-5,46 (0,86)*** |
-5,41 (0,82) |
|
|
Leagueit |
2,70 (3,52) |
||||
|
League_placeit |
1,73 (1,18) |
0,15 (0,09) |
0,15 (0,10) |
0,15 (0,10) |
|
|
CLit |
8,49 (1,32)****, **, *** обозначения для 10%, 5% и 1% уровня значимости соответственно |
0,84 (0,38)** |
0,77 (0,36)** |
0,81 (0,28)** |
|
|
ELit |
4,71 (4,89) |
-0,14 (0,30) |
-0,16 (0,31) |
-0,16 (0,30) |
|
|
Attendanceit |
-0,02 (0,09) |
||||
|
Commercialit |
0,18 (0,95) |
||||
|
R2adj |
0,1666 |
0,0119 |
0,0119 |
0,0237 |
|
|
P-значение (F) |
1,39e-15 |
0,0373 |
0,0489 |
0,0281 |
|
|
Ст. ошибка модели |
21,12685 |
3,608626 |
3,608637 |
3,587019 |
|
|
Критерий Акаике |
755,7182 |
458,8256 |
458,8261 |
456,8733 |
|
|
Число наблюдений |
84 |
84 |
84 |
84 |
На основе проведенных тестов, а также анализа R-квадрата и информационных критериев в качестве оптимальной была выбрана модель (54), уравнение значимо на любом уровне значимости. Переходим к построению различными методами. В качестве оптимальной спецификации остановимся на ней.
Таблица 26 Составлено автором на основе проведенных вычислений
|
Зависимая переменная: логарифм прибыли (l_Profitit) |
||||
|
Регрессоры |
PooledOLS Объединенный МНК (54) |
FE Модель с фиксированными эффектами (55) |
RE Модель со случайными эффектами(56) |
|
|
Const |
-5,41 (0,82)В скобках приведены робастные стандартные ошибки Arellano |
-5,84 (0,94)*** |
-5,41 (0,86)*** |
|
|
League_placeit |
0,15 (0,10) |
0,10 (0,12) |
0,14 (0,10) |
|
|
CLit |
0,81 (0,28)***, **, *** обозначения для 10%, 5% и 1% уровня значимости соответственно |
2,85 (0,76)*** |
0,91 (0,34)*** |
|
|
ELit |
-0,16 (0,30) |
0,35 (0,38) |
-0,12 (0,31) |
|
|
Критерий Акаике |
456,8733 |
462,5582 |
456,9861 |
Для выбора наиболее подходящего метода проведем ряд тестов Тесты проведены на 5% уровне значимости.
Таблица 27 Составлено автором на основе проведенных вычислений
|
Название |
Статистика |
Р-значение |
Н0 |
Н1 |
Вывод |
|
|
На линейные ограничения |
12,0055 |
8,16293e-008 |
Наилучшая оценка - объединенный МНК |
Наилучшая оценка - FE модель |
FE модель лучше |
|
|
Бреуш-Паган |
0,199736 |
0,654934 |
Наилучшая оценка - объединенный МНК |
Наилучшая оценка - RE модель |
Объединенный МНК лучше |
|
|
Хаусман |
8,02804 |
0,0454357 |
Наилучшая оценка - RE модель |
Наилучшая оценка - FE модель |
FE модель лучше |
Итак, модель с фиксированными эффектами является наилучшей, проинтерпретируем полученные результаты:
· CLit: в среднем и при прочих равных на 99% уровне значимости можно утверждать, что при прохождении на каждый следующий этап Лиги Чемпионов прибыль футбольного клуба увеличивается в 16,29 раз.
Таким образом, по итогам эмпирического исследования, проведенного выше, подтверждается гипотеза о влиянии спортивных достижений на прибыль российских футбольных клубов, в частности достижения внутри национального чемпионата, а так же успешные выступления в Лиги Европы не имеют значимого влияния на прибыль, достижения же в рамках Лиги Чемпионов влияют на прибыль значительно положительно. Так же можно говорить о наличии индивидуальных эффектов для каждого российского футбольного клуба.
Ужесточение лимита на легионеров
Зачастую прибыль футбольных клубов зависит не только от деятельности самих клубов, но и от различных внешних воздействий. Одним из ярких примеров подобных воздействий является ужесточение лимита на легионеров в Российской Футбольной Премьер Лиге, с 2015 года одновременно на футбольном поле не может находиться более 5 иностранных игроков. Данная мера введена для повышения конкурентоспособности российских футболистов, а так же российских футбольных клубов. Однако данная мера затрагивает не только игровую сторону футбола, но и коммерческую, потому что с введением подобного лимита изменяются затраты связанные с покупкой игроков, а так же с заработными платами игроков, еще существует гипотеза, что «импортные» игроки вызывают большой интерес у зрителей и болельщиков. В связи с этим особый интерес представляет выявление наличия эффекта от ужесточения лимита на легионеров в 2015 году на прибыль футбольных клубов.
Гипотеза 4
Ужесточение лимита на легионеров в 2015 году положительно повлияло на прибыль российских футбольных клубов.
Для проверки данной гипотезы целесообразно использование эконометрического метода DD (difference-in-differences, «разность разностей»). Данный метод заключается в том, что есть две группы наблюдений для двух временных периодов, где одна из групп, экспериментальная, подвергается воздействию, во втором временном периоде, другая группа является контрольной, она не подвергается воздействию. С целью избегания проблемы пропущенных переменных, в работе будет использована расширенная спецификация данной модели, включающая в себя контрольные переменные.
Для проведения исследования в качестве экспериментальной группы были взяты российские клубы, которые в оба периода играли в Российской Футбольной Премьер Лиге (высший футбольный дивизион в России, лимит на легионеров распространяется только на клубы высшего дивизиона). В качестве контрольной группы были взяты футбольные клубы немецкой Бундеслиги. Структура прибыли немецких клубов максимально схожа со структурой прибыли российских футбольных клубов. В Германии подобная мера регулирования не применяется.
Итоговая выборка представляет собой панель данных, состоящую из двух временных периодов. Первый период - период предшествующий ужесточению лимита на легионеров, t=0, второй период - период после ужесточения лимита на легионеров, t=1. Результирующая выборка представляет собой сбалансированную панель для 20 наблюдений и двух периодов. Список созданных переменных приведен в таблице в параграфе «Данные», для построения модели были созданы дополнительные переменные.
Таблица 28 Составлено автором
|
Название переменной |
Описание |
Возможные значения |
|
|
Countryi |
Бинарная переменная, равная единице, если клуб из России, равна 0. Если клуб из Англии |
1 или 0 |
|
|
Limiti |
Эффект воздействия, равный Country*t |
1 или 0 |
Стоит отметить, что и в экспериментальной и в контрольной группе находится одинаковое число клубов, поэтому воздействию подвержена только четверть данных.
В таблице ниже приведены наиболее удачные модели, а так же базовая версия модели.
Таблица 29 Составлено автором на основе проведенных вычислений
|
Зависимая переменная: прибыль (Profitit) |
||||
|
Регрессоры |
(64) |
(65) |
(66) |
|
|
const |
26,41 (15,66) В скобках приведены робастные стандартные ошибки Arellano |
25,68 (16,04) |
21,76 (19,61) |
|
|
Countryi |
-25,25 (8,03)***, **, *** обозначения для 10%, 5% и 1% уровня значимости соответственно |
-24,02 (7,23)*** |
-21,46 (8,57)** |
|
|
Year |
-12,95 (11,65) |
-11,72 (12,46) |
-10,90 (13,72) |
|
|
Limitit |
41,46 (20,02)* |
39,38 (18,64)** |
37,95 (19,34)* |
|
|
CLit |
1,75 (2,86) |
|||
|
ELit |
-1,22 (2,06) |
-1,34 (2,09) |
||
|
Radj2 |
0,1196 |
0,1038 |
0,0984 |
|
|
P-значение (F) |
0,0269 |
0,0426 |
0,0279 |
|
|
Критерий Акаике |
374,2064 |
375,7890 |
376,8687 |
|
|
Ст. ошибка модели |
24,81 |
25,03 |
26,44 |
|
|
Число наблюдений |
40 |
40 |
40 |
Наилучшей спецификацией является (64), ее выбор обусловлен наименьшим значением критерия Акаике (374,2064) и наименьшей стандартной ошибкой модели. Данная модель на 95% уровне значимости объясняет 11,96% изменения прибыли. Перейдем к интерпретации модели:
· Limitit: переменная эффекта воздействия оказалась значимо положительной на 90% уровне значимости, поэтому введение лимита на легионеров увеличивает прибыль клуба на 41,46 миллион евро;
· Countryi: в среднем и при прочих равных на 95% уровне значимости клубы Российской Футбольной Премьер Лиги получают на 25,25 миллион евро меньше, чем клубы Бундеслиги.
Согласно построенной модели, переменная Limititоказалась значимойна 90% уровне, следовательно, ужесточение лимита на легионеров оказывает значимое положительное влияние на прибыль российских клубов. Поэтому гипотеза о том, что ужесточение лимита на легионеров в 2015 году положительно повлияло на прибыль российских футбольных клубов, подтверждается на 90% уровне. Ужесточение лимита на легионеров положительно повлияло на прибыль российских футбольных клубов.
ЗАКЛЮЧЕНИЕ
В данной работе было показано, что ФК могут рассматриваться как фирмы, нацеленные на получение прибыли, а также были выявлены основные факторы их коммерческой успешности и определены направление и степень их влияния на прибыль клубов.
В первой главе для анализа ФК как полноценного бизнеса, приносящего прибыль, автором были выявлены и систематизированы основные статьи доходов ФК, проведен анализ структуры доходов в разных странах Европы. Были определены и подробно рассмотрены операционные и неоперационные статьи расходов ФК, проанализирован учет трансферных доходов и расходов и амортизация игроков. Рассмотрены различные виды влияния на команды извне и выделены способы регулирования, влияющие на их финансовую деятельность. Описана история выделенных методов регулирования, механизм и охват их работы.
Во второй главе на основе проведенного обзора существующих работ по данной тематикебыли определены основные факторы, влияющие на прибыль ФК, а так же определены методы исследования данной проблемы. Был выдвинут ряд гипотез о характере влияния факторов на прибыль российских и европейских ФК. Собраны, систематизированы и проанализированы данные по 132 европейским клубам с 2013 по 2016 год, в частности, данные по российским командам, определены их прибыли, систематизированы данные о предполагаемых факторах.
В третьей главе были исследованы европейские футбольные клубы. Проведен попериодный анализ факторов, влияющих на прибыль футбольных клубов, выявлена динамика характера влияния определенных факторов, также определены причины подобной динамики. На основе сравнительного анализа различных спецификаций была выбрана наиболее удачная, для которой были построены различные варианты панельных моделей. По результатам сравнительных тестов была выбрана окончательная модель. Кроме того, было проведено исследование на наличие влияния вида города, в котором был основан футбольный клуб, на его прибыль, гипотеза не подтвердилась.
В четвертой главе исследовались российские футбольные клубы. Проведен попериодный анализ факторов, влияющих на прибыль футбольных клубов, выявлена динамика характера влияния определенных факторов, также определены причины подобной динамики. На основе сравнительного анализа различных спецификаций была выбрана наиболее удачная, для которой были построены различные варианты панельных моделей. По результатам сравнительных тестов была выбрана окончательная модель. Кроме того, в данном разделе был исследован эффект ужесточения лимита на легионеров в 2015 году. Стоит отметить, что ранее в литературе автору не встречался анализ данного исследовательского вопроса. Подтвердилась гипотеза, выдвинутая в начале работы.
Таким образом, поставленная в работе цель была достигнута, и в процессе работы удалось получить ряд новых результатов, а именно:
· Собраны и проанализированы данные по российским ФК;
· Выявлена связь между спортивной и коммерческой результативностью российских ФК;
· Выявлен эффект от ужесточения лимита на легионеров в российских клубах;
· Выявлена связь между спортивной и коммерческой результативностью европейских ФК;
· Проведено эмпирическое исследование влияния типа города на прибыль ФК, показано отсутствие значимого влияния данного фактора на прибыль ФК.
СПИСОК ИСТОЧНИКОВ
Использованная литература
1. Адаев Р.С., «титульное спонсорство в спорте: отраслевой анализ компаний-спонсоров футбольных клубов», материалы международной научно-практической конференции студентов и аспирантов. Финансовый университет при Правительстве РФ, Омский филиал, 2016
2. DobsonS., GoddardJ., «Performance, Revenue, andCrossSubsidizationintheFootballLeague, 1927-1994», TheEconomicHistoryReview, New Series, Vol. 51, No. 4, pp. 763-785, 1998
3. Floetnes J., «Factors of success for Norwegian top football clubs», Copenhagen Business School Working Papers, No. 2923, 2011
4. Forrest D., Simmons R., «A capital cross-sectional analysis ofthe elasticity of the demand for soccer», Scottish Journal of Political Economy, Vol.49, No.3, 2002
5. Garcia-del-Barrio P., Szymanski S., «Goal! Profit Maximization Versus Win Maximization in Soccer», Review of Industrial Organization,Vol. 34, No. 1, Economic Issues in Sports, pp. 45-68, 2009
6. Kesenne S., «Revenue sharing and competitive balance in professional team sports», Journal of Sports Economics, No. 1, pp. 56 - 65, 2000
7. Kesenne S., «Competitive balance and revenue sharing when rich clubs have poor teams», Journal of Sports Economics, Vol. 5, No. 2, pp. 206 - 212, 2004
8. Kesenne S.,Pauwels W., «Club Objectives and Ticket Pricing in Professional Team Sports», Eastern Economic Journal, Vol. 32, No. 3, pp. 549-560, 2006
9. Panagioitis D. «Profitability of theGreek football clubs: implications for financial decisions making», Business Intelligence Journal, Vol.2, No.1, 2009
10. Pasquier-Dorthe J., Chammartin L.,RanaldoA., «Le financement du football en Suisse: (Unerechercheempirique)», Die Unternehmung, Vol. 55, No. 1, pp. 61-73, 2001
11. Rosca V., «Sustainable development of a city by using a football club», Theoretical and Empirical Researches in Urban Management, Vol. 5, No. 7 (16), pp. 61-6, 2010
12. Szymanski S., KesenneS., «Competitive Balance and Gate Revenue Sharing in Team Sports», The Journal of Industrial Economics, Vol. 52, No. 1, pp. 165-177, 2004
13. Szymanski S., Kuper S., «Soccernomics: why England loses, why Germany and Brazil win, and why US, Japan, Australia, Turkey - and even Iraq - are destined to become the kings of the world's most popular sport», пер. сангл. 2-еиздание, изд. АльпинаПаблишер, 2016
14. Szymanski S., Smith R., «The English football Industry:profit, performance, industrial structure», International Review of Applied Economics, No. 11, pp. 135 153, 1997
15. Zimbalist A., «Sport as Business», Oxford Review of Economic Policy, Vol. 19, No. 4, THE ECONOMICS OF SPORT, pp. 503-511, 2003
16. Zoccali C. «The role of financial indicatorsin the life of Italian football clubs», Rivista Di Dritto Ed EconomiaDello Sport, Vol. 7, No.3, 2011
Приложения
Приложение 1
Схема проведения европейских чемпионатов
Схема проведения Лиги Чемпионов:
Таблица 30 Составлено автором
|
Этап |
Система |
|
|
Квалификация |
Смешанная (групповой этап и плей-офф) |
|
|
Групповой этап |
Круговая (4 команды в группе) |
|
|
1/8 финала |
Олимпийская |
|
|
1/4 финала |
Олимпийская |
|
|
1/2 финала |
Олимпийская |
|
|
Финал |
Олимпийская |
Схема проведения Лиги Европы
Таблица 31 Составлено автором
|
Этап |
Система |
|
|
Квалификация |
Смешанная (групповой этап и плей-офф) |
|
|
Групповой этап |
Круговая (4 команды в группе) |
|
|
1/16 финала |
||
|
1/8 финала |
Олимпийская |
|
|
1/4 финала |
Олимпийская |
|
|
1/2 финала |
Олимпийская |
|
|
Финал |
Олимпийская |
Приложение 2
Информация о данных
Коэффициенты корреляции, наблюдения 1:1 - 82:4
5% критические значения (двухсторонние) = 0,1083 для n = 328
Таблица 32Врезка из статистического пакета Gretl
|
League |
Country |
PT |
League_place |
CL |
||
|
1,0000 |
0,3414 |
-0,1442 |
-0,0971 |
-0,1865 |
League |
|
|
1,0000 |
-0,2283 |
-0,2207 |
-0,2013 |
Country |
||
|
1,0000 |
-0,2072 |
0,3882 |
PT |
|||
|
1,0000 |
-0,4658 |
League_place |
||||
|
1,0000 |
CL |
|||||
|
EL |
Industrial |
|||||
|
-0,1889 |
0,1401 |
League |
||||
|
-0,0438 |
0,1221 |
Country |
||||
|
0,1320 |
-0,1691 |
PT |
||||
|
-0,1909 |
0,1496 |
League_place |
||||
|
-0,1197 |
-0,2237 |
CL |
||||
|
1,0000 |
-0,0656 |
EL |
||||
|
1,0000 |
Industrial |
Описательная статистика, использованы наблюдения 1:1 - 82:4
Таблица 33 Врезка из статистического пакета Gretl
|
Переменная |
Среднее |
Медиана |
Минимум |
Максимум |
|
|
League |
1,18598 |
1,00000 |
1,00000 |
5,00000 |
|
|
Country |
4,04878 |
4,00000 |
1,00000 |
8,00000 |
|
|
PT |
11,7813 |
0,108526 |
-0,592640 |
181,953 |
|
|
Attendance |
29,0977 |
26,8885 |
1,41900 |
81,1780 |
|
|
League_place |
7,63720 |
7,00000 |
1,00000 |
20,0000 |
|
|
CL |
1,11890 |
0,00000 |
0,00000 |
9,00000 |
|
|
EL |
1,05793 |
0,00000 |
0,00000 |
9,00000 |
|
|
Industrial |
0,585366 |
1,00000 |
0,00000 |
1,00000 |
|
|
Переменная |
Ст. откл. |
Вариация |
Асимметрия |
Эксцесс |
|
|
League |
0,499711 |
0,421350 |
3,27261 |
13,5523 |
|
|
Country |
2,36644 |
0,584483 |
0,163624 |
-1,55984 |
|
|
PT |
22,8322 |
1,93800 |
3,62343 |
18,9007 |
|
|
Attendance |
18,9945 |
0,652782 |
0,671511 |
0,0565528 |
|
|
League_place |
5,28798 |
0,692399 |
0,510473 |
-0,802882 |
|
|
CL |
2,23973 |
2,00172 |
1,95109 |
2,56701 |
|
|
EL |
2,09112 |
1,97662 |
1,89462 |
2,58389 |
|
|
Industrial |
0,493412 |
0,842911 |
-0,346552 |
-1,87990 |
|
|
Переменная |
5% Проц. |
95% Проц. |
IQ range |
Пропущенные наблюдения |
|
|
League |
1,00000 |
2,00000 |
0,00000 |
0 |
|
|
Country |
1,00000 |
7,00000 |
5,00000 |
0 |
|
|
PT |
0,00100000 |
49,6780 |
15,5065 |
0 |
|
|
Attendance |
2,66215 |
71,2080 |
26,6973 |
0 |
|
|
League_place |
1,00000 |
17,0000 |
9,00000 |
0 |
|
|
CL |
0,00000 |
6,55000 |
1,00000 |
0 |
|
|
EL |
0,00000 |
6,00000 |
0,750000 |
0 |
|
|
Industrial |
0,00000 |
1,00000 |
1,00000 |
0 |
Приложение 3
Результаты F-тестов
Таблица 34 Создано автором на основе проведенных вычислений
|
Сравниваемые модели |
F-статистика |
Лучшая модель |
|
|
(5) и (6) 5% уровень значимости |
5,0123 |
(6) |
|
|
(12) и (13) |
1,3649 |
(12) |
|
|
(32) и (33) |
1,7845 |
(32) |
|
|
(42) и (45) |
1,2257 |
(42) |
Размещено на Allbest.ur
Подобные документы
Ознакомление с историей футбола - командного вида спорта. Рассмотрение и характеристика техники ведения мяча в футболе. Исследование особенностей функционирования футбольных клубов и организаций. Рассмотрение перечня наиболее известных соревнований.
презентация [3,4 M], добавлен 08.12.2017История футбола в Объединенных Арабских Эмиратах, традиции проведения чемпионатов страны и кубковых соревнований. Проблемы профессиональной лиги ОАЭ. Становление и развитие футбольных клубов Северной Африки, влияние бедности на современное состояние игры.
курсовая работа [57,5 K], добавлен 08.10.2012Понятие менеджмента спортивной организации. Физическая культура в системе рыночных отношений. Миссия и цели спортивной организации. Управление деятельностью профессиональных мини-футбольных клубов. Организационная структура спортивного клуба ЖФК "Прибой".
курсовая работа [245,3 K], добавлен 02.05.2012История возникновения и использования термина "спелеология". Перечень спелеологических туристических клубов Украины. Краткая информация о некоторых из них: предпосылки создания, цели, задачи и направления деятельности, руководители и представители групп.
реферат [20,4 K], добавлен 27.11.2013Мастерство и надежность футбольных вратарей - ключевая составляющая обороноспособности команды. Особенности тренировочного процесса футбольных вратарей в возрасте 17-20 лет. Физическая и психологическая, техническая и тактическая подготовка вратарей.
курсовая работа [61,3 K], добавлен 28.09.2012Нормативно-правовое обеспечение деятельности спортивных клубов по месту жительства. Актуальные проблемы и особенности правового регулирования спортивных правоотношений. Анализ деятельность муниципальных властей в области развития спорта в Кемерово.
курсовая работа [43,5 K], добавлен 19.09.2014Типология современных спортивных клубов РФ. История становления фитнеса в стране. Роль государства в фитнес-индустрии России. Классификация основных и специфических услуг, оказываемых фитнес-клубами. Основы менеджмента зарубежных спортивных центров.
курсовая работа [53,5 K], добавлен 07.04.2014Понятие и история футбола. Контроль, управление и распространение футбола. Высшие достижения клубов в еврокубках. Основные достижения в истории советского футбола. Лучшие игроки в истории российского футбола. Десятка лучших легионеров в истории футбола.
реферат [21,6 K], добавлен 27.06.2011История развития российского спорта. Организация пропаганды и продвижение спортивно-массовых мероприятий. Задачи, решаемые с помощью связей с общественностью. Деятельность структурных подразделений МАУ "Центр спортивных клубов" в городе Красноярске.
дипломная работа [1,6 M], добавлен 25.10.2014Нормативно-правовое и ресурсное обеспечение физкультурно-оздоровительной работы с населением. Описание структуры муниципального автономного учреждения "Центр спортивных клубов". Требования, предъявляемые к инструктору по спорту, работающему с гражданами.
дипломная работа [121,5 K], добавлен 25.06.2014
