Дипломная работа: Факторы коммерческого успеха футбольных клубов

Внимание! Если размещение файла нарушает Ваши авторские права, то обязательно сообщите нам

Из периода в период меняются значимые переменные, это может быть связано с изменением суммы призовых премий, изменением структуры затрат, а так же с изменением конъюнктуры рынков поставщиков товаров и услуг. Переменные не меняют свою направленность с течением времени. В 2014 году на прибыль клубов повлияло участие в Лиге Европы, в 2016 - в Лиге Чемпионов, подобный эффект обусловлен изменением размера призовых выплат УЕФА. В 2015 году прослеживается эффект страновой дифференциации, что может быть связано с неоднозначной геополитической ситуацией в Европе.

Проверка Гипотезы№1

Чтобы выбрать наиболее подходящую спецификацию для построения панельных моделей различными методами, рассмотрим ряд моделей объединенного МНК.

Таблица 15 Составлено автором на основе проведенных вычислений

Зависимая переменная: логарифм прибыли (l_Profitit)

Регрессоры

(25)

(26)

(27)

(28)

Const

-0,88 В скобках приведены робастные стандартные ошибки Arellano

(1,15)

-1,54

(1,31)

-3,48

(1,11)***

-3,36

(1,07)***

Leagueit

-1,20

(0,68)**, **, *** обозначения для 10%, 5% и 1% уровня значимости соответственно

-1,00

(0,72)

-0,43

(0,63)

-0,49

(0,62)

League_placeit

-0,05

(0,06)

-0,02

(0,06)

CLit

0,44

(0,15)***

0,49

(0,16)***

0,29

(0,16)*

0,26

(0,15)*

ELit

0,16

(0,16)

0,11

(0,16)

Attendanceit

0,05

(0,02)**

0,05

(0,02)***

Ст. ошибка модели

4,5555

4,5515

4,5089

4,5073

R2adj

0,0717

0,0733

0,0905

0,0912

р-значение (F)

0,00006

0,0001

8,96e-07

2,12e-07

Критерий Акаике

1917,741

1918,188

1912,053

1910,840

Число наблюдений

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