Denna kandidatuppsats har för avsikt att belysa faktorer bakom sportslig framgång. Till följd av det stora ekonomiska fokus inom idrotten är studiens syfte att istället hitta makroekonomiska faktorer som påverkar sportslig framgång. Till studien valdes de 20 främsta europeiska fotbollslagen ut baserat på deras rankingpoäng mellan åren 2000 - 2016. Rankingpoängen, tillika mått på sportslig framgång har sedan jämförts med fem utvalda landspecifika makroekonomiska faktorer; inflation, BNP-tillväxt, arbetslöshet, politisk stabilitet och befolkningsmängd. Dessa faktorer har också samlats in över tidperioden 2000 - 2016.Studien har använt sig utav en multipel linjär regressionsanalys för att identifiera korrelationer mellan de utvalda faktorerna och sportslig framgång. Statistikprogrammen SPSS, Microsoft Excel och Microsoft Azure Machine Learning Studio har bistått med hjälp för bearbetning och analys av insamlade data. Resultatet påvisar inget starkt linjärt samband mellan de utvalda variablerna och sportslig framgång. Samtidigt redogör resultatet för en förklaringsgrad på 63 % gällande faktorn arbetslöshet. Studien kan inte stoltsera med någon revolutionerande upptäckt. Däremot kan studien bidra med att landspecifika faktorer högst troligt inte korrelerar med idrottslig framgång. Samtidigt kan studien fungera som ett underlag för vidare forskning på ämnet om faktorer bakom sportslig framgång. / This bachelor thesis intends to highlight factors behind sporting success. As a result of the major economic focus in sports, the aim of this study is instead to find macroeconomic factors that affect sporting success. To this study, the top 20 European football teams were selected based on their ranking points between year 2000 and 2016. Ranking points, measurements of sports success, have been compared to five selected country-specific macroeconomicfactors; inflation, GDP growth, unemployment, political stability and population. These factors have also been collected over the period 2000-2016.The study has used a multiple linear regression analysis to identify correlations between the selected factors and sporting success. The statistics software SPSS, Microsoft Excel, and Microsoft Azure Machine Learning Studio have helped to process and analyze collecteddata. The result shows no strong linear relationship between the chosen variables and sporting success. At the same time, the result explains that the coefficient of determination of the factor unemployment is 63%. This study can’t take credits for any revolutionarydiscovery. On the other hand, the study can help by saying which country-specific factors most likely do not correlate with sporting success. At the same time, the study can serve as a basis for further research on the subject; factors behind sporting success.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:mau-33611 |
| Date | January 2018 |
| Creators | Stockman, Robin |
| Publisher | Malmö universitet, Fakulteten för lärande och samhälle (LS), Malmö universitet/Lärande och samhälle |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0025 seconds