Результативность российских клубов на 2015 год
Перейдем к рассмотрению наилучших моделей, построенных для прогнозирования прибыли российских футбольных клубов в 2015 году.
Таблица 22Составлено автором на основе проведенных вычислений
| Зависимая переменная: прибыль (Profiti) | логарифм прибыли (l_Profiti) | |||
| Регрессоры | (42) | (43) | (44) | (45) |
| Const | -0,17 (0,14)[32] | -4,89 (0,99)***[33] | -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 23Составлено автором на основе проведенных вычислений
| Зависимая переменная: прибыль (Profiti) | логарифм прибыли (l_Profiti) | ||||
| Регрессоры | (46) | (47) | (48) | (49) | (50) |
| Const | 1,18 (5,48)[34] | -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)***[35] | 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)[36] | -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)**[37] | 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)[38] | -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)***[39] | 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 26Составлено автором на основе проведенных вычислений
| Зависимая переменная: логарифм прибыли (l_Profitit) | |||
| Регрессоры | PooledOLS[40] (54) | FE[41] (55) | RE [42](56) |
| Const | -5,41 (0,82)[43] | -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)**[44] | 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[45].
Таблица 27Составлено 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.
Дата добавления: 2018-08-06; просмотров: 262; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!