Глава 3. Исследование европейских клубов
Так как предыдущие исследования влияния различных факторов на прибыль ФК проводились исключительно на базе клубов одной страны, то особенный интерес представляет проведение подобного исследования на данных клубов из различных стран Европы. В данном разделе построим ряд моделей прибыли европейского клуба и протестируем первые две из выдвинутых в работе гипотез. Начнем с проверки первой из них:
Гипотеза 1
Спортивные достижения европейского футбольного клуба положительно влияют на его прибыль.
В качестве зависимой переменной во всех построениях используется переменная Profititи ее логарифм, в качестве переменных, описывающих спортивные достижения: League_placeit, CLit, ELit. Также используем переменнуюLeagueit, ввиду того, что клуб получает право играть в более высокой лиге при условии достижения высоких результатов и победы в стыковых матчах в предыдущем сезоне в лиге, которая ниже по уровню. Тогда как при плохой статистике выступлений и по результатам стыковых матчей клуб может «упасть» в лигу, которая ниже по уровню.
В качестве контрольных используются переменные: Attendanceit - как показатель популярности клуба; Countryiдля учета страновых особенностей клуба.
Чтобы определить наиболее подходящий набор переменных для построения панельных моделей, а так же с целью проследить динамику, для каждого временного периода был предварительно построен ряд пространственных эконометрических моделей.
|
|
|
Результативность европейских клубов на 2013 год
Рассмотрим серию моделей, построенных на данных 2013 года.
Таблица 8Составлено автором на базе построенных моделей
| Зависимая переменная: прибыль (Profiti) | Логарифм прибыли (l_Profiti) | |||||
| Регрессоры | (1) | (2) | (3) | (4) | (5) | (6) |
| Const | 24,22 (8,65)[10]***[11] | 21,51 (10,18)*** | -11,55 (6,46)* | -2,40 (8,14) | -3,06 (1,95) | -6,26 (2,01)*** |
| Leaguei | -3,58 (4,54) | -4,53 (4,98) | 5,15 (2,42)** | 5,45 (2,31)** | -0,21 (0,91) | 0,92 (0,67) |
| League_placei | -1,39 (0,44)*** | -1,49 (0,48)*** | -0,17 (0,27) | -0,41 (0,32) | -0,03 (0,12) | -0,003 (0,11) |
| ELi | -1,34 (0,87) | -0,55 | -0,49 (0,72) | |||
| CLi | 2,64 (1,70) | 2,62 (1,65) | 0,77 (0,22)*** | 0,36 (0,30) | ||
| Attendancei | 0,48 | 0,39 | 0,09 (0,03)*** | |||
| Countryi |
| -1,27 | ||||
| R2 | 0,1048 | 0,1126 | 0,4358 | 0,4433 | 0,1150 | 0,1678 |
| Р-значение (F) | 0,0078 | 0,0171 | 0,0009 | 0,0016 | 0,0009 | 2,02e-06 |
| Критерий Акаике | 712,7502 | 712,9879 | 677,7248 | 677,5458 | 472,4660 | 468,4205 |
| Число наблюдений | 82 | 82 | 82 | 82 | 82 | 82 |
На основе проведенных тестов, а также анализа R-квадрата и информационных критериев (см. Приложение) в качестве оптимальной была выбрана модель (6), уравнение значимо на любом уровне значимости, модель объясняет 16,78% изменения прибыли. Так же выбор модели (6) говорит об отсутствиистранового эффекта.
|
|
|
Интерпретация полученных результатов:
· Attendanceit: переменнаясреднегодовой 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 9%.
В 2013 году на прибыль футбольных клубовспортивные достижения не повлияли.Страновые особенности отсутствуют.
Результативность европейских клубов на 2014 год
Перейдём к рассмотрению моделей, построенных на данных 2014 года.
Таблица 9Составлено автором на базе построенных моделей
| Зависимая переменная: прибыль (Profiti) | Логарифм прибыли (l_Profiti) | ||||||||
| Регрессор | (7) | (8) | (9) | (10) | (11) | (12) | (13) | ||
| Const | 28,54 (5,73)[12]***[13] | 19,96 (9,00)** | -5,20 (9,93) | -6,05 (22,98) | 1,65 (1,68) | -5,52 (2,31)** | -2,67 (3,00) | ||
| Leaguei | -11,84 (2,38)*** | -8,53 (2,30)*** | -0,27 (2,57) | -0,29 (2,51) | -2,30 (0,88)** | 0,06 (1,03) | 0,15 (1,04) | ||
| League_placei | -0,16 (0,87) | -0,002 (0,88) | 0,61 (0,89) | 0,63 (1,25) | -0,10 (0,11) | 0,07 (0,11) | -0,009 (0,13) | ||
| ELi | 4,04 | 4,15 (2,48)* | 0,42 (0,24)* | 0,45 (0,23)* | 0,45 (0,24)* | ||||
| Attendancei |
| 0,38 (0,13)*** | 0,39 (0,19)** | 0,11 (0,02)*** | 0,08 (0,03)*** | ||||
| Countryi |
|
| 0,11 (2,06) |
| -0,39 (0,27) | ||||
| R2 | 0,0183 | 0,1085 | 0,1533 | 0,1423
| 0,0592 | 0,1685 | 0,1828 | ||
| p-значение (F) | 9,41e-06 | 2,05e-06 | 2,51e-08 | 5,06e-08 | 0,0050 | 2,38e-06 | 2,03e-06 | ||
| Критерий Акаике | 759,2353 | 752,2852 | 748,9930 | 750,9852 | 481,5297 | 472,4704 | 471,9841 | ||
| Число наблюдений | 82 | 82 | 82 | 82 | 82 | 82 | 82 | ||
На основе проведенных тестов, а также анализа R-квадрата и информационных критериев (см. Приложение) в качестве оптимальной была выбрана модель (12), уравнение значимо на любом уровне значимости, модель объясняет 16,85% изменения прибыли. Так же выбор модели (12) говорит об отсутствии странового эффекта.
Интерпретация полученных результатов:
· ELi: в среднем и при прочих равных на 90% уровне значимости прохождение клуба на каждый следующий этап Лиги Европы увеличивает прибыль клуба на 56,83%;
· Attendanceit: переменнаясреднегодовой 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 11,63%.
В 2014 году на прибыль футбольных клубов не повлияловыступление в национальном чемпионате, значимыми оказались только итоги выступления клубов в Лиге Европы, также полностью отсутствуют страновые эффекты.
Результативность европейских клубов на 2015 год
|
|
|
Рассмотрим серию моделей для анализа 2015 года.
Таблица 10Составлено автором на базе построенных моделей
| Зависимая переменная: прибыль (Profiti) | |||
| Регрессоры | (14) | (15) | (16) |
| Const | 23,25 (5,54)[14]***[15] | 12,31 (4,25)*** | 9,00 (6,97) |
| Leaguei | -7,97 (1,86)*** | -5,08 (1,49)*** | -3,93 (2,29)* |
| League_placei | -0,68 (0,32) | -0,09 (0,22) | -0,07 (0,24) |
| CLi | 2,96 (1,55)* | 2,63 (1,46)* | |
| Attendancei |
|
| 0,07 (0,11) |
| R2 | 0,0791 | 0,1960 | 0,1896 |
| Р-значение (F) | 0,0002 | 0,00003 | 0,0003 |
| Критерий Акаике | 680,7005 | 670,5302 | 672,1159 |
| Число наблюдений | 82 | 82 | 82 |
Таблица 11Составлено автором на базе построенных моделей
| Зависимая переменная:логарифм прибыли (l_Profiti) | |||
| Регрессоры | (17) | (18) | (19) |
| Const | -0,36 (1,66)13 | 0,18 (2,38) | 5,72 (2,84)** |
| Leaguei | -2,47 (0,79)***14 | -2,66 (0,97)*** | -2,37 (0,92)** |
| League_placei | 0.03 (0,10) | 0,02 (0,11) | -0,12 (0,11) |
| CLi | 0,31 (0,31) | 0,37 (0,34) | 0,33 (0,35) |
| Attendancei | -0,01 (0,04) | -0,07 (0,04) | |
| Countryi |
| -0,79 (0,27)*** | |
| R2 | 0,0522 | 0,0411 | 0,1333 |
| Р-значение (F) | 0,0040 | 0,0092 | 0,0006 |
| Критерий Акаике | 485,9316 | 487,8249 | 480,4696 |
| Число наблюдений | 82 | 82 | 82 |
На основе проведенных тестов, а также анализа R-квадрата и информационных критериев (см. Приложение) в качестве оптимальной была выбрана модель (19), уравнение значимо на любом уровне значимости, модель объясняет 13,33% изменения прибыли.
Интерпретация полученных результатов:
· Leaguei: в среднем и при прочих равных на 95% уровне вероятности можно утверждать, что при переходе клуба в лигу уровнем выше, его прибыль возрастет на 907%;
В 2015 году на прибыль футбольных клубов не повлияло место клуба в национальном чемпионате, но повлиял уровень лиги, в которой играет клуб, незначимыми оказались итоги выступления клубов в Лиге Европы. В 2015 году появляются страновые эффекты.
Дата добавления: 2018-08-06; просмотров: 278; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!