MétaCan
Menu
Retour à la cohorte
Enregistrement W4416093601 · doi:10.32731/ijsr142.052019.03

Does Star Power Boost Soccer Match Attendance? Empirical Evidence from the Chinese Soccer League

2019· article· en· W4416093601 sur OpenAlexaff
Bo Li, Yuanyang Liu, Jerred Junqi Wang, Olan Scott, Sarah Stokowski

Notice bibliographique

RevueInternational Journal of Sport Finance · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueSports Analytics and Performance
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésLeagueAttendanceEmpirical evidenceTicketStar (game theory)Profit (economics)Power (physics)Stadium

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to examine the impact of star power on game attendance. The essential aspect of demand for sport events is fan interest, which can be shown through match attendance, watching contests, buying team-related products, and following a team on media. To conduct this study all attendance data from the 2015, 2016, and 2017 seasons of the Chinese Super League were used to understand which factors impacted spectator attendance. Results of this study found that high profile teams, traditional rivalries or derbies, and famous foreign players can positively impact attendance at both home and away games, while members of the Chinese National Team had a negative impact on attendance. These results will give team owners a better understanding of Chinese soccer fans’ interests, ultimately leading to maximizing profit generation in ticket and merchandise sales. Implications for both sport managers and scholars are discussed.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,158
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,274
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sport FinanceMême sujetSports Analytics and PerformanceTravaux en français237 207