7. Empiri och analys
8.2 Multipel regression
Inledningsvis inkluderades alla oberoende variabler i regressionen: - Inflation
- BNP-tillväxt - Arbetslöshet - Befolkning - Politisk stabilitet
Resultat av denna regression illustreras i tabell 2 nedan.
Regressionsstatistik inkluderande alla oberoende variabler
Multipel-R 0,233554038
R-kvadrat 0,054547489
Justerad R-kvadrat 0,038945962
Standardfel 9,168513855
Observationer 309
Tabell 2-Regression, alla oberoende variabler
Nedan visas de utvunna p-värdena för de olika variablerna i regressionsanalysen. Med anledning av det höga p-värdet hos de oberoende variablerna görs bedömningen att utesluta de oberoende variablerna; BNP-tillväxt, befolkning och politisk stabilitet, detta då de inte infinner sig inom den valda signifikansnivån. Beslutet grundar sig också i den valda signifikansnivån 5%, samt konfidensintervallet som således är 95%
p-värde Godkända** Inflation_std 0,02157924 BNP-growth_std 0,40491619 Un-employment_std 0,01606114 Population_std 0,75783649 political stabilty_std 0,61964776 Tabell 3 - p-värden
Efter att de statistiskt signifikanta variablerna identifierats har en ny multipel regression gjorts som inkluderar endast de oberoende variablerna; inflation och arbetslöshet. I tabell 4 nedan redovisas resultatet ur denna andra regression.
Regressionsstatistik med godkända signifikanta variabler Multipel-R 0,227545484 R-kvadrat 0,051776947 Justerad R-kvadrat 0,045579411 Standardfel 9,136817312 Observationer 309
Tabell 4 - Regression med signifikanta variabler
8.2.1 Regressionsskattning
En regressionsskattning har utförts för att hitta den bäst lämpade regressionsekvationen där sambandet beskrivs som en rät linje. Nedan följer det resultat som utvunnits efter att den valda metoden (4.1.7) använts.
Tabell 5- Lutningskoefficienter
Ovanstående koefficienter har därefter applicerats i regressionsekvationen (formel 2). Det gör att den estimerade regressionsekvationen utfaller enligt följande:
𝑦 = 14,50600109 − 1,284327842x + 1,588498529x + ε.
I Bilaga 2 redovisas det linjära sambandet för de statistiskt signifikanta variablerna separat från varandra. Regressionsekvationen ha applicerats på alla kombinationer av oberoende variabler med hjälp av Azure Machine Learning Studio. Bakgrunden till detta är att då kunna analysera alla skattade y-värden för alla olika lag och år, samt att jämföra dem med de observerade värdena. Nedan förtydligas denna redogörelse.
Koefficienter
Konstant (Y-variabel) a =14,50600109
Inflation b=-1,284327842
……….
Därefter har de skattade värdena för jämförts med de faktiska värdena för y i form av en ny regressionskurva. Denna illustreras i Bilaga 3.
8.2.2 Förklaringsgrad
Förklaringsgraden tillhörande regressionsanalysen med statistiskt signifikanta variabler framgår av tabell 3. Förklaringsgraden skrivs till 4,6% vilket innebär ett exceptionellt lågt linjärt samband. På grund av antalet oberoende variabler väljs det justerade R2-värdet för att förklara det linjära sambandet. En låg förklaringsgrad indikerar troligtvis att den
slumpmässiga variationen har en stor inverkan och att sambandet mellan oberoende- och beroende variabler är icke-linjärt.
Analys av de signifikanta variablerna, separerade från varandra, visar på följande förklaringsgrader:
- Arbetslöshet R2 = 0,6274 = 63 % - Inflation R2 = 0,3917 = 39 %
9. Diskussion
Denna studie har försökt hitta variabler som korrelerar med sportslig framgång. Samtidigt har utvalda variabler representerat makroekonomiska variabler som inte direkt inverkar på idrott. Studien har gjorts i syfte att undersöka om andra faktorer än ekonomiska förutsättningar påverkar sportslig framgång. Stegvis multipel regressionsanalys visade att två, arbetslöshet och inflation, av fem oberoende variabler visade ett giltigt p-värde, samt att dessa två resulterade i förklaringsgrader om 63 % respektive 39 %. En multipel regressionsanalys visade vidare på att de två signifikanta oberoende variablerna i kombination resulterade i en förklaringsgrad på 4,6 %.
Redan vid studiens hypotesprövning misstänktes det slutgiltiga utfallet. Hypotesprövningen resulterade inte i några statistiskt signifikanta variabler. Trots det erhölls en förklaringsgrad på 79% (Tabell 1). Det var mot denna bakgrund som studien trots allt valde att fortsätta, trots hypotesprövningens motsägelse. En medvetenhet om att det återfinns andra faktorer som är närmare kopplat till den sportsliga världen bör belysas. Faktorer som är tydligare förknippade med idrotten fotboll och samtidigt inte alls relaterade till det ekonomiska. Faktorer som spelsystem, ägarskap, nationaliteter i spelartrupp är bara några exempel på faktorer som varit intressanta som alternativa faktorer att analysera i samma syfte som den befintliga studien. Möjligen hade en större och tydligare korrelation då kunna påträffats. Den hade samtidigt varit lättare att motivera.
Fotbollslagens spelarlöner har uteslutits i studien då den inte representerar en
makroekonomisk faktor. Denna faktor har således inte varit intressant för att nå studiens syfte. Trots detta har en analys gjorts av de utvalda lagens medellöner gentemot deras
rankingkoefficienter för att försöka bekräfta den tidigare forskningens argumentationer och visa på bakgrunden till studien syfte. Trots en hel del bortfall presenteras resultatet av denna analys i den särskilda bilagan ”PM Python 3 notebook”, s 12. Resultatet visar inte på någon korrelation mellan lagspelarnas löner och lagens rankingkoefficienter. Då studien valt ut de 20 främsta lagen i Europa, ger resultatet anledning till en vidare diskussion av Kringstad & Olsens (2016) argumentation; Att det inte finns någon korrelation mellan finansiell styrka och
där mer pengar gav mer framgång. Att den egna studien, med fokus på topplag, inte heller visar på någon korrelation mellan spelarlöner och sportslig framgång, kan tolkas som ett ytterligare bevis till tesen att sportlig framgång för topplag inte påverkas av finansiell styrka. Denna koppling ger upphov till vidare diskussion av Moneyball-teorin. Moneyball-teorin, som visade på en felprissättning av amerikanska baseball-spelare, leder till slutsatsen att lag kan prestera bättre vad deras finansiella situation borde ge möjlighet till. Dessa lag besitter alltså en konkurrensfördel som inte är relaterad till finansiell styrka, vilket gör att även Moneyball-teorin stödjer tesen att finansiell styrka inte är den enda variabeln som bör tas i beaktning vid en analys av sportslig framgång. Slutligen ger även Rottenberg’s Invariance principle, som utgör stommen till studiens teoretiska ramverk, stöd till studiens syfte, då den förkastar lönsamhet som den enda avgörande faktorn för sportslig framgång.
Sammanfattningsvis visade studiens analys ingen korrelation mellan de undersökta
makroekonomiska faktorerna och sportlig framgång. Studiens syfte har därmed uppnåtts; Att undersöka om makroekonomiska faktorer kunde förklara den icke-finansiella
konkurrensfördelen som enligt tidigare litteratur och studiens analys bevisligen existerar. Resultatet gav däremot ingen förklaring till vilken variabel som kan förklara sportslig framgång, utan ger endast bevis på att de valda makroekonomiska faktorer inte står som giltiga förklaringsvariabler. Vidare forskning på hur sportslig framgång kan förutses krävs för att täcka upp det hål som litteraturen på ämnet lämnar.
Vidare har beslutet att välja landspecifika variabler försvårat studiens tillvägagångssätt och medför därmed ett något missvisande resultat. Då många av lagen återfinns i samma land och därmed nationella liga, är många av variablernas mätvärden desamma för de olika lagen. Samtidigt återfinns alla lagen i Europa vilket gör att spridningen på variablernas mätvärden inte blir så stort. Intressant hade varit att inkludera lag från hela världen, för att på så sätt få en större spridning av mätvärden och ett tydligare svar på om de korrelerar på den beroende variabeln; sportslig framgång. Svårigheten i detta var att det inte finns något rättvist sätt att jämföra lag från olika världsdelar, vilket gör det ohållbart att använda sig av en större global spridning på utvalda lag.
Att genomföra en stegvis multipel regressionsanalys där endast de statistiskt signifikanta variablerna inkluderas i regressionsekvationen anses öka resultatets reliabilitet och validitet. Oavsett positivt eller negativt resultat förenat till studiens frågeställningar anses en hög tillförlitlighet viktigt för studiens mottagande.
10.
Slutsats
Studien har gjort en ansats till att påvisa en korrelation mellan fem makroekonomiska faktorer och sportslig framgång. Studiens resultat framhåller inget tydligt samband mellan de valda variablerna och sportslig framgång. Trots en stegvis multipel regression anses inte
korrelationskoefficienterna och den statistiska signifikansen tillräckligt tillfredställande.
11.
Framtida forskning
Framtida forskning på samma ämne kan innehålla en annan uppsättning oberoende variabler som är mer förankrade i idrottens värld. Framtida forskning bör också utvidga den statistiska analysen och genomföra en logaritmisk analys för att hitta ytterligare relationer mellan variablerna. Samtidigt hade framtida forskning kunnat gå djupare in på utvalda lag och jämföra korrelationen mellan variablerna och olika länder. Möjligtvis återfinns en tydligare korrelation mellan vissa lagnationaliteter och de oberoende variablerna, ett resonemang som helt frångåtts i denna studie.
Referenser
• Allison, P. D. (1999). Multiple regression: a primer. Thousand Oaks, Calif.: Pine Forge Press.
• Bingham, J., De Bosscher, V. & Shibli, S. (2008). The global sporting arms race: an
international comparative study on sports policy factors leading to international sporting success. Oxford: Meyer & Meyer.
• Lewis-Beck, C. & Lewis-Beck, M. (2016). Quantitative Applications in the Social
Sciences: applied regression. Thousand Oaks, CA: SAGE Publications Ltd doi:
10.4135/9781483396774
• Bryman, A. (2011). Samhällsvetenskapliga metoder. (2., [rev.] uppl.) Malmö: Liber. • Downward, P. & Dawson, A. (2000). The economics of professional team sports.
London: Routledge.
• Dubal, S. (2010). The neoliberalization of football: Rethinking neoliberalism through the commercialization of the beautiful game, 45(2), 123-146,
https://doi.org/10.1177/1012690210362426
• Edling, C. & Hedström, P. (2003). Kvantitativa metoder: grundläggande
analysmetoder för samhälls- och beteendevetare. Lund: Studentlitteratur.
• Ejlertsson, G. (2014). Enkäten i praktiken: en handbok i enkätmetodik. (3. [rev.] uppl.) Lund: Studentlitteratur.
• Eliasson, A. (2013). Kvantitativ metod från början. (3., uppdaterade uppl.) Lund: Studentlitteratur.
• Eriksson, L. T. & Wiedersheim-Paul, F. (2011). Att utreda, forska och rapportera. (9. uppl.) Malmö: Liber.
• Gásquez, R. & Royuela, V. (2014). Is Football an Indicator of Development at the International Level?, 117(3), 827–848. https://doi.org/10.1007/s11205-013-0368-x • Hassmén, N. & Hassmén, P. (2008). Idrottsvetenskapliga forskningsmetoder. (1.
uppl.) Stockholm: SISU idrottsböcker.
• Investopedia (u.å.). What is Regression. Hämtad 2018-05-21 Från https://www.investopedia.com/terms/r/regression.asp
• Kahane, L. H. (2007). Regression Basics [Elektronisk resurs]. Sage Publications. • Klein, B (1995). Tillgångar, ansvar och maktcentra. Om reflexivitet och
• Kringstad, M. & Olsen, T-E. (2016). Can sporting success in Norwegian football be predicted from budgeted revenues?. 16(1), 20–37.
https://doi.org/10.1080/16184742.2015.1061032
• Körner, S. & Wahlgren, L. (2015). Statistisk dataanalys. (5. uppl.) Lund: Studentlitteratur.
• Lagergren, L, Fundberg, J. & Book, K. (2010). Vetenskapligt förhållningssätt: En liten
bok om att komma igång med forskning. (51 s). (Elektronisk).
• Lantz, B. (2011). Den statistiska undersökningen: grundläggande metodik och typiska
problem. (1. uppl.) Lund: Studentlitteratur.
• Läkartidningen (2002). Världsläkarförbundets Helsingforsdeklaration: Etiska principer för medicinsk forskning som omfattar människor. 99(11), från
http://www.sls.se/PageFiles/229/helsingfors.pdf
• Löfgren, H. (2006). Grundläggande statistiska metoder för analys av kvantitativa
data: med övningar för programpaketet SPSS. Malmö: Lärarutbildningen, Högsk..
• Microsoft Azure. (u.å). Azure Machine Learning Studio Documentation. Hämtad 2018-05-19 från https://docs.microsoft.com/en-us/azure/machine-learning/studio/ • Python Software Foundation. (u.å.). What is Python? Executive Summary.
Hämtad 2018-05-20 från https://www.python.org/doc/essays/blurb/ • Riksbanken. (2018). Vad är inflation?. Hämtad 2018-04-03 från
https://www.riksbank.se/sv/penningpolitik/inflationsmalet/vad-ar-inflation/
• Rohde, M. & Breuer, C. (2016). Europe’s Elite Football: Financial Growth, Sporting Success, Transfer Investment, and Private Majority Investors, 4(2),. doi:
10.3390/ijfs4020012
• Rottenberg, S. The Baseball Players' Labor Market, Journal of Political Economy 64, no. 3 (Jun., 1956): 242-258.
• Samuelson, P.A. & Nordhaus, W.D. (2010). Economics. (19. ed.) Boston: McGraw- Hill Irwin.
• Saunders, M., Lewis, P. & Thornhill, A. (2012). Research methods for business
students. (6. ed.) Harlow: Pearson.
• Sloane, P. (2006). Rottenberg and the Economics of Sport after 50 years: An Evaluation. (IZA DP No. 2175). Från http://anon-ftp.iza.org/dp2175.pdf
• Szymanski, S. (2000[1999]). Winners and losers: [the business strategy of football]. London: Penguin.
• The Guardian. (2016, 2 maj). Leicester celebrate first title after Chelsea recover for Tottenham draw. The Guardian. Hämtad från
https://www.theguardian.com/football/2016/may/02/chelsea-tottenham-hotspur- premier-league-match-report
• Thurén, T. (2007). Vetenskapsteori för nybörjare. (2., [omarb.] uppl.) Stockholm: Liber.
• UEFA. (2018a). UEFA rankings for club competitions. Hämtad 2018-04-07 från https://www.uefa.com/memberassociations/uefarankings/club/index.html
• UEFA. (2018b). About UEFA. Hämtad 2018-04-10 från https://www.uefa.com/insideuefa/about-uefa/
• Vetenskapsrådet (2002). Forskningsetiska principer inom humanistisk-
samhällsvetenskaplig forskning [Elektronisk resurs]. Stockholm: Vetenskapsrådet. • Wallén, G. (1993). Vetenskapsteori och forskningsmetodik. Lund: Studentlitteratur. • The New Yorker (2014, 20 februari). Interactive: Wealth, Equality, and Olympic
Success. The New Yorker. Hämtad från
https://www.newyorker.com/business/currency/interactive-wealth-equality-and- olympic-success