Identification of Factors Determining Market Value of the Most Valuable Football Players
Notice bibliographique
Résumé
Purpose: The problem of identifying the most important determinants of the market value of football players is quite well described in the literature. There are many works that try to identify these factors. Some of them are focused on variables to make a set complete and others are on models and methods. The aim of this article is to present the variables influencing the valuation and to build an econometric model valuing footballers playing on the forward position, taking into consideration the assumptions of the econometric modelling. Such an approach indicates managers as other sources for obtaining information. Methodology: Econometric models were used to verify the hypothesis formulated in this research. The database was created on the basis of variables presented on the website www.transfermarkt. de that presents the values of the most valuable football players in the world playing on the forward position. The Gretl program was used in the research. Findings: The literature review showed that there are many independent variables having an impact on the value of the player. There are also many different models used to valuate footballers’ performance rights. The results of estimation of models in the research indicated that such factors as Canadian classification points adjusted the market value of the team and dummy variables describing “goodwill” (only for the best players) had an impact on the market value of footballers’ performance rights. Limitations/implications: Information about different factors having an impact on football players’ market value could support the investment decision process of football managers. Originality/value: The results were part of a study concerning economics of sport, particularly processes of management of football clubs and valuation of intangible assets.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».