Was treibt die Zuschauernachfrage im Schweizer Profi Eishockey?

Eine empirische Analyse anhand Quantilsregression und OLS


Masterarbeit, 2007
120 Seiten, Note: 1.00

Leseprobe

Inhaltsverzeichnis

Kurzfassung

Executive Summary

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1 Einführung
1.1 Ausgangslage
1.2 Aufgabenstellung und Ziele
1.3 Aufbau der Arbeit und methodisches Vorgehen

2 Literaturübersicht
2.1 Kompetitive Ausgeglichenheit und die Nachfrage nach Spitzensport
2.2 Literatur zu den betrachteten Einflüssen
2.2.1 Präferenzen der Konsumenten
2.2.2 Ökonomische Faktoren
2.2.3 Komfort beim Zuschauen
2.2.4 Sportlicher Wettbewerb
2.2.5 Angebotskapazität
2.3 Literatur zu den angewandten Schätzmethoden

3 Empirisches Framework
3.1 Der Datensatz
3.1.1 Allgemeines
3.1.2 Der Modus und die Mannschaften
3.2 Die Variablen
3.2.1 Die abhängige Variable
3.2.2 Die unabhängigen Variablen
3.2.3 Wichtige unberücksichtigte unabhängige Variablen
3.3 Schätzmethoden für die Nachfrage nach Sport
3.3.1 Ordinary Least Squares Schätzung
3.3.2 Quantilsregression
3.3.3 Der t-Test und der F-Test

4 Resultate
4.1 Allgemeines
4.2 Clubspezifische Eigenschaften
4.3 Vergleich von OLS und Quantilsregression
4.4 Preiselastizitäten
4.5 Weiterführende Untersuchungsmöglichkeiten

5 Konklusion
5.1 Zusammenfassung der Untersuchung
5.2 Persönliches Schlusswort und Dank

6 Anhang
6.1 Abbildungen
6.2 Tabellen
6.3 Kompletter Datensatz
6.4 Literaturverzeichnis
6.5 Ehrenwörtliche Erklärung

Kurzfassung

Diese Arbeit untersucht die Determinanten der Nachfrage nach Profi-Eishockey in der Schweiz. Dabei vergleicht sie die Resultate aus einer OLS-Schätzung und einer Quantilsregression. Die Ergebnisse sind beeindruckend. Es kann nicht nur gezeigt werden, dass die gewählten Variablen in vielen Fällen einen hochsignifikanten Einfluss auf die Nachfrage ausüben, sondern auch dass sich die Form der Verteilung der Regressoren in den verschiedenen Quantilen deutlich unterscheidet, was auf eine gewisse Heterogenität in der Nachfrage schliessen lässt. Weiter weist die Beziehung zwischen der Unsicherheit über den Ausgang des Spiels und der Besucherzahl unabhängig von der Methode einen stark positiven und signifikanten Zusammenhang aus. Obwohl das intuitiv sehr einleuchtend erscheinen mag, lassen die empirischen Resultate vieler früherer Studien diese Eindeutigkeit vermissen. Zusätzlich wecken die Ergebnisse den Verdacht, dass sozioökonomisch bedingte, clubspezifische Eigenschaften die Nachfrage in beträchtlichem Mass stimulieren.

Executive Summary

This study examines the determinants of demand for professional ice hockey in Switzerland. Thereby, the results from an ordinary least squares estimation and a quantile regression shall be compared. The findings are impressive. Not only most of the chosen variables exert a highly significant effect on the demand, but also the shape of the distribution of the regressors vary within different quantiles, which suggests a certain heterogeneity in the demand. Further, the relationship between the uncertainty of outcome on match level and the match attendance shows a strongly positive and significant interrelation. Even though this seems intuitively rather plausible, the empirical results from many earlier studies have been anything but unambiguous. In addition, the findings raise suspicion that the demand is being stimulated considerably by socio-economically driven, club-specific properties.

Abbildungsverzeichnis

Abbildung 1: Beziehung zwischen Zuschauerzahl und Rangierung des Heimteams, bzw. Phase der Meisterschaft

Abbildung 2: Grafischer Vergleich zwischen OLS und Quantilsregression, Teil 1

Abbildung 3: Grafischer Vergleich zwischen OLS und Quantilsregression, Teil 2

Abbildung 4: Grafischer Vergleich zwischen OLS und Quantilsregression, Teil 3

Abbildung 5: Grafischer Vergleich zwischen OLS und Quantilsregression, Teil 4

Abbildung 6: Grafischer Vergleich zwischen OLS und Quantilsregression, Unsicherheitsvariablen

Abbildung 7: Aufgabenstellung

Abbildung 8: Schweizer Karte, Mannschaften der NLA, Saisons 2000/2001 bis 2005/2006

Abbildung 9: Umfrage unter den Eishockeyclubs

Abbildung 10: Grafischer Vergleich zwischen OLS und Quantilsregression, clubspezifische Effekte, Teil 1

Abbildung 11: Grafischer Vergleich zwischen OLS und Quantilsregression, clubspezifische Effekte, Teil 2

Abbildung 12: Grafischer Vergleich zwischen OLS und Quantilsregression, clubspezifische Effekte, Teil 3

Abbildung 13: Grafischer Vergleich zwischen OLS und Quantilsregression, clubspezifische Effekte, Teil 4

Abbildung 14: Grafischer Vergleich zwischen OLS und Quantilsregression, clubspezifische Effekte, Teil 5

Tabellenverzeichnis

Tabelle 1: Effekte von Unsicherheit über das Resultat – ältere Studien

Tabelle 2: Effekte von Unsicherheit über das Resultat – jüngere Studien

Tabelle 3: Mannschaften der NLA, Saisons 2000/2001 bis 2005/2006

Tabelle 4: Beschreibung der unabhängigen Variablen

Tabelle 5: Deskriptive Statistik

Tabelle 6: Erwartete Vorzeichen der β -Koeffizienten

Tabelle 7: Vergleich der Schätzresultate aus den Modellen A, B und C; OLS

Tabelle 8: Vergleich der Schätzresultate aus den Modellen A, B und C; 5. Quantil

Tabelle 9: Vergleich der Schätzresultate aus Modell C; 1., 3. und 5. Quantil

Tabelle 10: Vergleich der Schätzresultate aus Modell C; 7. und 9. Quantil, sowie OLS

Tabelle 11: Preiselastizitäten

Tabelle 12: TV-Übertragungen, Teil 1

Tabelle 13: TV-Übertragungen, Teil 2

Tabelle 14: TV-Übertragungen, Teil 3

Tabelle 15: TV-Übertragungen, Teil 4

Tabelle 16: Korrelationstabelle, Teil 1

Tabelle 17: Korrelationstabelle, Teil 2

Tabelle 18: Korrelationstabelle, Teil 3

Tabelle 19: Korrelationstabelle, Teil 4

Tabelle 20: Korrelationstabelle, Teil 5

Tabelle 21: Vergleich der Schätzresultate aus den Modellen A, B und C; 1. Quantil

Tabelle 22: Vergleich der Schätzresultate aus den Modellen A, B und C; 2. Quantil

Tabelle 23: Vergleich der Schätzresultate aus den Modellen A, B und C; 3. Quantil

Tabelle 24: Vergleich der Schätzresultate aus den Modellen A, B und C; 4. Quantil

Tabelle 25: Vergleich der Schätzresultate aus den Modellen A, B und C; 6. Quantil

Tabelle 26: Vergleich der Schätzresultate aus den Modellen A, B und C; 7. Quantil

Tabelle 27: Vergleich der Schätzresultate aus den Modellen A, B und C; 8. Quantil

Tabelle 28: Vergleich der Schätzresultate aus den Modellen A, B und C; 9. Quantil

Tabelle 29: Vergleich der Schätzresultate aus Modell B; 1., 3. und 5. Quantil

Tabelle 30: Vergleich der Schätzresultate aus Modell B; 7. und 9. Quantil, sowie OLS

Tabelle 31: Vergleich der Schätzresultate aus Modell C; 1., 2. und 3. Quantil

Tabelle 32: Vergleich der Schätzresultate aus Modell C; 4. und 5. Quantil, sowie OLS

Tabelle 33: Vergleich der Schätzresultate aus Modell C; 6. und 7. Quantil, sowie OLS

Tabelle 34: Vergleich der Schätzresultate aus Modell C; 8. und 9. Quantil, sowie OLS

Tabelle 35: Vergleich der Schätzresultate aus Modell B; 1., 2. und 3. Quantil

Tabelle 36: Vergleich der Schätzresultate aus Modell B; 4. und 5. Quantil, sowie OLS

Tabelle 37: Vergleich der Schätzresultate aus Modell B; 6. und 7. Quantil, sowie OLS

Tabelle 38: Vergleich der Schätzresultate aus Modell B; 8. und 9. Quantil, sowie OLS

Tabelle 39: Vergleich der Schätzresultate aus Modell A; 1., 2. und 3. Quantil

Tabelle 40: Vergleich der Schätzresultate aus Modell A; 4. und 5. Quantil, sowie OLS

Tabelle 41: Vergleich der Schätzresultate aus Modell A; 6. und 7. Quantil, sowie OLS

Tabelle 42: Vergleich der Schätzresultate aus Modell A; 8. und 9. Quantil, sowie OLS

Tabelle 43: Kompletter Datensatz

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einführung

1.1 Ausgangslage

Das Marktvolumen im Sportsektor hat in den vergangenen Jahrzehnten stetig zugenommen. Durch die sich daraus ergebenden Chancen und Risiken haben Sportveranstaltungen das Interesse der Wirtschaftswissenschafter geweckt. Das Verstehen der Determinanten der Nachfrage ist eine der wichtigsten empirischen Angelegenheiten in der Analyse von professionellen Sportmärkten. Dies gilt insbesondere auch für das Schweizer Profi-Eishockey, dessen Nachfrage im Rahmen dieser Arbeit untersucht wird.

Vor exakt 50 Jahren hat Simon Rottenberg mit seinem grundlegenden Artikel[1] über den Arbeitsmarkt für Baseballspieler das Fundament für die Forschung im Bereich der Teamsportökonomie gelegt.[2] Seine Annahme, dass der Spitzensport den gleichen ökonomischen Grundzügen wie andere Industrien unterliegt und folglich mit denselben Hilfsmitteln untersucht werden kann, war richtungsweisend für die Entwicklung der Analyse von professionellen Sportmärkten. Damit konnte er unter anderem folgende, spezielle Charakteristika des professionellen Teamspitzensports und dessen Ligen erkennen:

„Professional team competitions are different from other kinds of business ventures. If a seller of shoes is able to capture the market and to cause other sellers of shoes to suffer losses and withdraw, the surviving competitor is a clear gainer. But in baseball no team can be successful unless its competitors also survive and prosper sufficiently so that the differences in the quality of play among teams are not “too great”.”[3]

Der Arbeitsmarkt in der Teamsportindustrie weist nach Rottenberg also stark monopsonistische[4] Tendenzen auf, weil die sich konkurrierenden Teams in sportlicher und somit wirtschaftlicher Hinsicht sehr ähnlich und ausgeglichen sein müssen, um in der Liga bestehen zu können.

Weiter argumentiert Rottenberg, dass Konsumenten von Teamspitzensport, ceteris paribus, ein grösseres Mass an Unsicherheit über das Resultat, bzw. an kompetitiver Ausgeglichenheit[5], bevorzugen. Das heisst, sie präferieren Matches mit Teams von fast ausgeglichener Spielstärke:

„… there will be a wide variation among teams in the quality of play, contests will become certain, and attendance will decline.“[6]

Auch nach 50 Jahren hat Rottenbergs Konzept der kompetitiven Ausgeglichenheit nichts von seiner Popularität eingebüsst. In England wurde es beispielsweise für eine Rechtfertigung zentralisierter TV-Vermarktungsrechte herbeigezogen.[7] Rottenbergs Konzept wird auch von verschiedenen Forschern im Zusammenhang mit weiteren organisatorischen Belangen immer wieder erwähnt.[8] Die vorgeschlagenen Massnahmen generieren wirtschaftliche Stabilität und garantieren somit ein gewisses Mass an kompetitiver Ausgeglichenheit unter den Clubs einer Liga.

Eine klare Manifestation der Rolle der Unsicherheit zeigt sich darin, dass viele Zuschauer verschiedener Teamsportarten vor Ende eines Spiels das Stadion verlassen, wenn über den Sieger und somit den Ausgang des Spiels keine Zweifel mehr bestehen. Vergleichbares Verhalten ist bei Konzerten oder anderen Unterhaltungsanlässen kaum zu beobachten.[9]

Auch wenn die Unsicherheitshypothese Rottenbergs heute in der theoretischen Diskussion unumstritten ist,[10] sprechen die empirischen Resultate in den Literaturrezensionen von Borland & Macdonald (2003)[11] oder Szymanski (2003)[12] eine weniger klare Sprache. Eine Erklärung für diese Diskrepanz zwischen Theorie und Empirie sehen Benz, Brandes & Franck (2006)[13] in der Heterogenität der Nachfrage nach Sport. Das bedeutet, dass sich die Nachfrage nach Spitzensport je nach Quantil unterschiedlich gestaltet. Vorangegangene Studien bedienen sich der Methode der kleinsten Quadrate (OLS) oder der zensierten Normalregression (Tobit). Diese Methoden unterscheiden sich zwar bezüglich ihrer Annahmen über zensierte Beobachtungen[14], aber beide gehen davon aus, dass die Regressoren einzig vom bedingten Mittelwert abhängen. Somit ist in allen vorangegangenen Studien ist die Form der Verteilung unabhängig von den Schätzwerten.

Benz, Brandes & Franck (2006)[15] sind skeptisch gegenüber diesem Ansatz und verwenden deswegen in ihrer Untersuchung über den Deutschen Profifussball die Quantilsregression[16]. Sie können empirische Evidenz für die Existenz von Heterogenität in der Nachfrage nach Spitzensport nachweisen, was sich unter anderem auch in den Effekten der Variable der Unsicherheit über das Ergebnis niederschlägt.

In dieser Arbeit werden die verschiedenen Einflüsse auf die Zuschauerzahl im Schweizer Profi-Eishockey[17] untersucht. Zu diesem Zweck wurde ein Datensatz über die Spiele der sechs Saisons von 2000/2001 bis 2005/2006 in der NLA[18] mit insgesamt über 1900 Matches aufgebaut. Neben dem Vergleich der Resultate beider Schätzmethoden (Quantilsregression und OLS) liegt ein wichtiges Augenmerk auch auf der Bedeutung der Variable der ex-anten Unsicherheit über das Resultat.

Es wurde bis anhin noch nie eine vergleichbare Studie über das Eishockey gemacht, zumal Benz, Brandes & Franck (2006)[19] die ersten waren, die die Quantilsregression zum Schätzen der Nachfrage nach Spitzensport angewendet haben. Diese Arbeit schliesst somit eine grosse Lücke in der Forschung der Sportökonomie; nach bestem Wissen des Autors wurden die Treiber der Zuschauerzahl im Schweizer Eishockey in ihrer Gesamtheit noch nie wissenschaftlich untersucht.

Das Motiv für die Verwendung der Quantilsregression zeigt sich in Abbildung 1. Sie zeigt die Verteilung der Ticketnachfrage in der Qualifikationsrunde, bezogen auf die aktuelle Rangierung des Heimteams vor dem entsprechenden Match, bzw. in den Playoffs und Playouts, bezogen auf die Art des Finals in der Schweizer NLA in den Saisons 2000/2001 bis 2005/2006.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Beziehung zwischen Zuschauerzahl und Rangierung des Heimteams, bzw. Phase der Meisterschaft

Quelle: Eigene Darstellung, in Anlehnung an Benz, Brandes & Franck (2006)[20]

Das untere (obere) Ende des Balkens bezeichnet das 25. (75.) Perzentil, x[25] (x[75]), der Medianwert, x[50], ist durch den Strich in der Mitte gegeben. Aus Darstellungsgründen konnten die Ausreisserwerte nicht angezeigt werden.[21] Wenn der Rang des Heimteams nur den Ort, nicht aber die Form der Verteilung beeinflussen würde, dann wäre die relative Verteilung der unteren und oberen Grenzwerte für alle möglichen Rangierungen des Heimteams gleich.

Wie diese Abbildung zeigt, beeinflusst die Rangierung des Heimteams die Form der Verteilung stark. Vor allem die Plätze neun bis zwölf, die nicht mehr zu einer Teilnahme an den Playoffrunden berechtigen, unterscheiden sich in ihrem Interquartilabstand markant vom achten Rang und auch von den vorderen Rängen. Die zweite Phase der Meisterschaft mit den Playoffrunden um den Meistertitel und mit den Playoutrunden gegen den Abstieg unterstreicht diese Beobachtung nochmals sehr deutlich.

Die Resultate in Kapitel 4 zeigen, dass tatsächlich starke empirische Evidenz für den Einfluss der Quantile auf die Schätzwerte der unabhängigen Variablen besteht. Weiter präsentiert diese Arbeit einen signifikant positiven Einfluss auf die Zuschauerzahl durch die Unsicherheit über das Resultat. Der Zusammenhang ist je nach Quantil konkaver oder konvexer Natur. Insgesamt sind sehr viele Schätzer signifikant.

1.2 Aufgabenstellung und Ziele

Die dieser Arbeit zu Grunde liegende Aufgabenstellung[22] lautet:

Was treibt die Zuschauernachfrage im Schweizer Profi-Eishockey?

Eine empirische Analyse anhand von Quantilsregression und OLS.

Diese Formulierung ist sehr allgemein gefasst und lässt dem Autor einen breiten Spielraum. Zudem stellt sich im Rahmen einer Untersuchung über die Einflüsse auf die Nachfrage nach Spitzensport die Frage nach der Rolle der Unsicherheit über das Resultat. Aus diesem Grund wurden folgende präzisierende Zielsetzungen getroffen:

- Welche Determinanten haben einen signifikanten Einfluss auf die Zuschauerzahl in der höchsten Liga im Schweizer Profi-Eishockey, der Nationalliga A?
- Welche Rolle spielt die ex-ante Unsicherheit über das Resultat?
- Inwiefern unterscheiden sich die Ergebnisse aus einer Quantilsregression von denen einer OLS-Schätzung? Ist davon auszugehen, dass Heterogenität in der Nachfrage vorliegt?

Die Untersuchung wird im Licht der Aufgabenstellung und der drei Präzisierungen geführt. Wenn bei gewissen Teilaspekten weiter führender Untersuchungsbedarf oder Forschungsmöglichkeiten bestehen, dann wird dies so vermerkt.

1.3 Aufbau der Arbeit und methodisches Vorgehen

Nach diesen einleitenden Worten erfolgt eine umfassende Diskussion über der einschlägigen und verwendeten Literatur. Dabei wird insbesondere auch die Rolle der Unsicherheit über das Resultat gründlich untersucht. Ein wichtiges Augenmerk dieser Arbeit liegt zudem auf dem systematischen Aufbau des Datensatzes. Das dritte Kapitel widmet sich deswegen dem Aufbau und der Beschreibung des Datensatzes, der Beschreibung der einzelnen Variablen und der Theorie der angewendeten Schätzmethoden. Das vierte Kapitel schliesslich erläutert die Resultate im Detail, während das fünfte und letzte die Arbeit und ihre wichtigsten Ergebnisse zusammenfasst.

Das methodische Vorgehen zeigt sich in der Struktur der Arbeit. Zuerst musste aber der Datensatz aufgebaut werden, wozu unter anderem eine Umfrage unter den Clubs durchgeführt wurde, die während der beobachteten Zeitspanne mindestens eine Saison lang in der NLA gespielt haben.

2 Literaturübersicht

In den vergangenen Jahrzehnten haben kommerzielle Vermarktung vieler Sportarten und damit ihrer wirtschaftlichen Belange kontinuierlich an Bedeutung gewonnen.[23] Fast im Gleichschritt dazu ist die akademische Forschung über Spitzensport im Allgemeinen und über die Determinanten ihrer Nachfrage im Speziellen gewachsen. Dadurch ist eine Vielfalt an entsprechender Literatur entstanden.[24]

In diesem Kapitel wird die relevante Literatur untersucht und zusammengefasst. Das Unterkapitel 2.1 widmet sich ausführlich der Literatur bezüglich der Nachfrage nach Spitzensport und der Rolle der Unsicherheit über das Ergebnis, während sich das Unterkapitel 2.2 mit der Literatur über die weiteren Determinanten der Nachfrage nach professionellem Sport befasst. Das Unterkapitel 2.3 schliesslich gibt einen kurzen Überblick über die Literatur der verwendeten Schätzmethoden.

2.1 Kompetitive Ausgeglichenheit und die Nachfrage nach Spitzensport

Nach 50 Jahren Forschung über die Nachfrage nach Spitzensport ist die Rolle der Unsicherheit über das Resultat immer noch sehr unklar. Die grundlegende Idee von Rottenberg (1956) ist einleuchtend: Konsumenten von Sportmatches bewerten ceteris paribus ein grösseres Mass an Unsicherheit über das Resultat, bzw. an kompetitiver Ausgeglichenheit, höher. Das heisst, sie präferieren Matches mit Teams von fast ausgeglichener Spielstärke.

In den meisten Artikeln zu diesem Thema werden drei verschiedene Arten von Unsicherheit[25] über das Resultat bezüglich Zuschauerzahl unterschieden:

- Kurzfristig auf Matchebene. Das betrifft die Offenheit des Ausgangs eines einzelnen Spiels. Diese gilt als hoch, wenn zwei Teams bezüglich ihrer Punkte oder ihres Rankings fast gleich stark sind und deswegen der Sieger vor dem Spiel kaum erahnt werden kann.
- Mittelfristig innerhalb einer Saison. Das bezieht sich auf die Offenheit im Kampf um eine Position in einer Liga.
- Langfristig über mehrere Saisons hinweg. Diese Unsicherheit ist besonders klein, wenn einzelne Teams die Meisterschaft während mehrerer Jahre dominieren.[26]

Diese Untersuchung beschränkt sich auf Grund der Aufgabenstellung auf die kurzfristige, auf die Matchebene und Zuschauerzahl bezogene Unsicherheit.

In ihrer Arbeit über einen Vergleich von offenen und geschlossenen Ligensystemen kritisieren Buzzacchi, Szymanski & Valletti (2003)[27] diese Unterteilung. Sie schlagen stattdessen ein dynamisches Mass der Unsicherheit vor, indem sie die Varianz zwischen verschiedenen Zeitintervallen messen, von denen jedes einzelne angibt, wie viele verschiedene Mannschaften die Spitze der Liga mindestens einmal erreichen. Obwohl die Autoren dieses Mass als Ersatz für alle drei zeitbezogenen Masse postulieren, lässt es sich eher den längerfristigen Betrachtungen zuordnen und wird in dieser Arbeit nicht mehr weiter untersucht.

Tabelle 1 wurde aus der sehr umfassenden Literaturrezension von Borland & Macdonald (2003)[28] adaptiert und fasst 18 empirische Studien über die Unsicherheit auf Matchebene zusammen. Nur vier dieser Studien finden einen klaren positiven Effekt von grösserer Unsicherheit auf die Zuschauerzahl, fünf Studien weisen signifikante gemischte Effekte nach und neun präsentieren negative oder insignifikante Effekte.

Tabelle 1: Effekte von Unsicherheit über das Resultat – ältere Studien

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Borland & Macdonald (2003), eigene Darstellung und Übersetzung

Je sieben dieser insgesamt 18 Studien befassen sich mit Sportarten aus Nordamerika und England, wobei Baseball und Fussball sehr zahlreich vertreten sind. Nur eine Studie beschäftigt sich mit Eishockey, wobei diese schon bald 20 Jahre alt ist und die Nachfrage in Kanada untersucht. Zudem kann sie keine signifikanten Effekte nachweisen.[29]

Seit der Publikation von Borland & Macdonald (2003) wurden weitere Studien zur Unsicherheit auf Matchebene veröffentlicht. Tabelle 2 gibt der Vergleichbarkeit wegen einen Überblick in der gleichen Art wie Tabelle 1 über die zehn untersuchten Studien. Die Forschung konzentriert sich dabei in sechs Studien auf Fussball; in keiner kommt Eishockey zur Sprache.[30]

Tabelle 2: Effekte von Unsicherheit über das Resultat – jüngere Studien

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

Offenbar kann keine dieser Studien signifikante Werte für die Unsicherheitshypothese in kurzfristiger Sicht, d. h. auf Matchebene nachweisen. Bei der Studie von Roy (2004) darf eine Verletzung von MLR.2[31] aufgrund der Wahl der Stichprobe erwartet werden.[32] Benz, Brandes & Franck (2006)[33] erhalten einen positiven Effekt von abnehmender Unsicherheit auf die Nachfrage, der für einige Quantile signifikante Werte aufweist. Ein Quantil weist einen konkaven Zusammenhang zwischen der Unsicherheit und der Zuschauernachfrage aus. Die Resultate dieser Studie deuten sehr stark auf Heterogenität in der Nachfrage nach Spitzensport hin.

Die Tabellen 1 und 2 zeigen, dass es viele verschiedene Möglichkeiten gibt, um Proxies[34] für die Unsicherheit auf Matchebene zu bilden. Dawson & Downward (2005)[35] sehen die wichtigsten zwei Ansätze in Wettquoten und in Vergleichen der sportlichen Leistung und beschreiben mögliche Stolpersteine bei der Interpretation. Insbesondere weisen sie darauf hin, dass nicht einfach nur die Differenz des Masses der beiden Teams gebildet werden darf, sondern der Betrag oder die quadratische Form davon. Ansonsten wird nicht die Unsicherheit, sondern die Erfolgswahrscheinlichkeit im eigenen Stadion gemessen. Wenn der Betrag oder die quadratische Form gewählt werden, dann verschwinden die negativen Beobachtungen für Situationen, in denen die Gastmannschaft den besseren Wert aufweist und es wird die Ungleichheit der sportlichen Leistung gemessen. Weiter machen sie darauf aufmerksam, dass bei Vergleichen der sportlichen Leistung die absolute Differenz der Positionen beider Mannschaften in der Tabelle die relativen Kräfteverhältnisse nur sehr ungenau wiedergeben.

Gemäss diesen Autoren wurden Wettquoten in den Arbeiten von Peel & Thomas (1988) und Vergleiche der sportlichen Leistung mittels der Differenz der logarithmisierten Tabellenpositionen von Hart, Hutton & Sharot (1975) erstmals verwendet.

Einen interessanten Ansatz verfolgen Buzzacchi, Szymanski & Valletti (2003).[36] Sie stellen nicht in Abrede, dass kompetitive Ausgeglichenheit die Zuschauerzahl erhöht, aber sie sehen die Zuschauerzahl sehr stark davon getrieben, ob eine Mannschaft gewinnt oder nicht. Eines der Hauptresultate in ihrer Studie zeigt, dass die Zahlungsbereitschaft für einen Sieg der favorisierten Mannschaft sehr stark von Ort zu Ort variiert.

Da Präferenzen aber sehr stark landes- und sportartspezifisch sind, müssen Vergleiche verschiedener Studien mit entsprechender Vorsicht genossen werden.[37]

Diese Arbeit ist die erste, die kurzfristige Unsicherheit im Schweizer Eishockey abzubilden versucht und schliesst somit eine wichtige Lücke in der Literatur. Zudem untersucht sie, ob Heterogenität in der Nachfrage vorliegt.

2.2 Literatur zu den betrachteten Einflüssen

Wenn Nachfrager sich für oder gegen den Besuch eines Sportanlasses entscheiden müssen, dann spielen nebst der beschriebenen Unsicherheit noch viele weitere Einflüsse eine Rolle. Diese können auf verschiedene Arten zusammengefasst werden, Roy (2004)[38] beispielsweise teilt sie in die vier folgenden Klassen ein: Gesellschaftliche Rahmenbedingungen, Konsuminteressen der Besucher, ökonomische Determinanten und soziodemografische bzw. geografische Rahmenbedingungen. Borland & Macdonald (2003)[39] bedienen sich der normalen Konsumtheorie, wonach ein repräsentativer Konsument ein Konsumbündel auswählt und so seinen Nutzen unter Berücksichtigung seiner Budgetnebenbedingung maximiert. Sie bieten einen umfassenden Überblick über die Literatur und unterscheiden fünf verschiedene Einflussgruppen: Präferenzen des Konsumenten, ökonomische Faktoren, Komfort beim Zuschauen, sportlicher Wettbewerb und Angebotskapazität.

In den nächsten Abschnitten werden diese fünf verschiedenen Einflussgruppen unterschieden und die entsprechende Literatur genauer analysiert. In ihrer Struktur und auch inhaltlich, falls nichts anderes erwähnt ist, orientieren sich die Ausführungen an Borland & Macdonald (2003)[40].

2.2.1 Präferenzen der Konsumenten

Für die Nachfrage nach Spitzensport ist die Form der Konsumentenpräferenzen fundamental. Einige Situationen lassen sich mit der normalen Konsumtheorie erklären; so sollte beispielsweise der Nutzen eines Konsumenten ansteigen, wenn die qualitätsangepasste Menge an konsumiertem Sport ansteigt. Allerdings, so argumentieren Borland & Macdonald (2003)[41], unterliegen die Konsumentenpräferenzen für Sport einer höheren Komplexität als andere Güter oder Dienstleistungen. So beinhaltet der Konsum von Sportanlässen beispielsweise Effekte wie Gewohnheit (Loyalität einem Team gegenüber), Prestige (Vorzugssitze und -Restaurants im Stadion) oder Mitläufernutzen (der Besuch eines Fans kann den Nutzen eines anderen Fans erhöhen).

Viele Studien finden Evidenz dafür, dass die Zuschauerzahl oft verzögert auf einige Ursachen auftritt oder länger anhält und interpretieren dies als Effekt der Gewohnheit.[42]

Die Konsumentenpräferenzen sind auch getrieben durch die Popularität einer Sportart. Diese kann beispielsweise durch einen Grossanlass wie etwa eine Weltmeisterschaft im eigenen Land zunehmen und so eine hohe Nachfrage induzieren.

2.2.2 Ökonomische Faktoren

Zu den ökonomischen Faktoren, welche negativ mit der Nachfrage zusammenzuhängen scheinen, gehören der Eintrittspreis, oder genereller die Opportunitätskosten eines Matchbesuches wie beispielsweise die Kosten für die Anreise, den Parkplatz oder die Getränke und Esswaren, die am Veranstaltungsort konsumiert werden.

Borland & Macdonald (2003)[43] finden in den meisten der von ihnen untersuchten Studien einen negativen Einfluss vom Eintrittspreis auf die Zuschauerzahl. Weitere Studien scheinen diese Erkenntnis zu untermauern[44], woraus geschlossen werden kann, dass es sich bei Besuchen von Sportanlässen um ökonomisch gesehen normale Güter handelt. Studien jüngeren Datums berechnen die Preiselastizität und kommen zum Schluss, dass diese sehr stark zwischen verschiedenen Clubs und Sportarten variiert.[45]

Die wichtigsten Opportunitätskosten sind die direkten oder indirekten[46] Kosten für die Anreise, wofür in den meisten Untersuchungen ein negativer Zusammenhang nachgewiesen werden konnte, wobei dieser mit der Distanz abnimmt.[47] Diese Kosten werden in vielen Studien mit einem Proxy, der die Distanz zwischen den beiden Mannschaften räumlich misst, abgebildet. Benz, Brandes & Franck (2006)[48] messen die Distanz von einem Team zum anderen mit dem Proxy der Reisezeit mit dem Zug. Forrest, Simmons & Feehan (2002)[49] stellen die Ansätze in früheren Studien in Frage. Sie bilden ein gewichtetes Mittel zwischen Eintrittspreis und Anreisekosten und finden auch da einen signifikant negativen Zusammenhang. Da für die Preisvariable dadurch höhere Werte in der Schätzgleichung stehen als bei herkömmlicher Berechnung, erhalten sie markant höhere Preiselastizitäten als die Autoren früherer Studien.

Bei anderen ökonomischen Faktoren wird ein positiver Zusammenhang mit der Nachfrage erwartet. Dazu zählen das Einkommen der potentiellen Matchbesucher, die Grösse des potentiellen Marktes an sich,[50] Erhältlichkeit der Tickets und der Preis von direkten und indirekten Substituten[51].

Ein in der Literatur sehr kontrovers diskutiertes direktes Substitut sind TV-Übertragungen. Einige Studien weisen einen negativen Zusammenhang mit der Zuschauerzahl nach, wenn der Match nicht an einem Wochenende stattfindet.[52] Borland & Macdonald (2003)[53] weisen darauf hin, dass eine gemeinsame Endogenität[54] zwischen TV-Übertragung und Zuschauerzahl besteht. Weiter entdecken sie in vielen Studien ein sehr ungenaues Mass für TV-Übertragungen, wie etwa Anzahl Stunden pro Woche.[55] Burraimo, Forrest & Simmons (2006)[56] nehmen die Zahl der TV-Zuschauer als abhängige Variable und finden Evidenz, dass Unsicherheit über den Ausgang die Zuschauer vor den Fernseher lockt. Die meisten anderen Studien können dies für die Zuschauerzahl im Stadion nicht nachweisen.[57] Abschliessend weisen Borland & Macdonald (2003)[58] darauf hin, dass TV-Übertragungen zwar die Zuschauerzahl im betreffenden Match senken, aber insgesamt in der Liga ansteigen lassen würden.[59]

Weiter können auch makroökonomische Faktoren wie beispielsweise Bruttoinlandprodukt, Arbeitszeiten oder Arbeitslosigkeit[60] die Nachfrage beeinflussen. Borland & Macdonald (2003) zitieren in diesem Zusammenhang:

„In their history of Australian Rules football, Sandercock and Turner (1981, p. 91) describe an audience for ‘many of whom football may have been the main escape from the unfair play of the capitalist system’.”[61]

Die Höhe des Budgets als ökonomischer Faktor für den Club beeinflusst in erster Linie die Löhne der Spieler. Diese scheinen mit der Spielqualität eng verbunden zu sein, deswegen wird dieses Thema erst im Abschnitt über den sportlichen Wettbewerb diskutiert.

2.2.3 Komfort beim Zuschauen

Als wichtiger Punkt zählt in dieser Hinsicht die Qualität des Stadions. Darunter fallen unter anderem die Sicht vom Platz auf das Spielfeld, die Beschaffenheit des Platzes, das Verpflegungsangebot sowie sanitäre Einrichtungen im Stadion. Um dies zu messen, wird oft das Alter des Stadions als Proxy verwendet. Ein deutlicher Befund vieler Studien ist, dass die Zuschauerzahl invers mit dem Alter des Stadions zusammenhängt[62] oder dass ein Honeymooneffekt[63] vorliegt.

Die Vermutung scheint nahe liegend, dass eine gute Sicht aufs Spielgeschehen, ein vielfältiges Verpflegungsangebot und moderne sanitäre Einrichtungen im Stadion einen positiven Effekt auf die Zuschauerzahl haben könnten. Allerdings ist dem Autor keine Studie bekannt, die explizit diese Zusammenhänge untersucht hat. Somit eröffnet sich diesbezüglich ein breites, noch wenig erforschtes Gebiet, da das Alter des Stadions als Proxy beispielsweise auch Sanierungen oder Umbauten ausser Acht lässt.

Wie zu erwarten ist, üben Wettereinflüsse vor allem in jenen Sportarten einen negativen Einfluss auf die Zuschauerzahl aus, in denen aus diesem Grund das Spiel beispielsweise wegen Regenfall unterbrochen werden muss[64] oder bei denen wegen tiefen Temperaturen, Regen- oder Schneefall der Aufenthalt im Stadion sehr ungemütlich werden kann.[65]

Weitere Aspekte sind Wochentag und Uhrzeit, an denen ein Match stattfindet. Viele Autoren beobachten einen positiven Einfluss auf die Zuschauerzahl, wenn das Spiel auf einen Feiertag oder auf ein Wochenende fällt.[66]

2.2.4 Sportlicher Wettbewerb

Im Rahmen des sportlichen Wettbewerbes gibt es diverse Faktoren. Einer ist die oben beschriebene Unsicherheit über das Resultat, die auf verschiedenste Arten und Weisen abgebildet werden kann. Allerdings ist die empirische Evidenz gerade für die kurzfristige Unsicherheit eher gering.[67] Borland & Macdonald (2003)[68] spekulieren, dass Fans möglicherweise eher an längerfristiger Ausgeglichenheit interessiert sein könnten und präsentieren einige Vorschläge, wie diese in anderen Studien gemessen wurde. Sie weisen jedoch darauf hin, dass Fans auch bei einer Präferenz für Unsicherheit über das Resultat ihre Mannschaft siegen sehen wollen, was ganz einfach durch die Stellung in der Tabelle abgebildet werden kann.

Im gleichen Abschnitt erwähnen die Autoren, dass Begegnungen auf hohem Niveau eine besonders hohe Nachfrage erfahren[69], obwohl sich dieses über die Jahre hinweg stark verändern kann. Das deutet darauf hin, dass es sich eher um ein relatives Verständnis von hohem Niveau handelt, dass also „Spitzenkämpfe“ wichtiger sind als spielerische Qualität, auch wenn diese beiden Effekte stark miteinander korreliert sein dürften.

Die Resultate aus Untersuchungen über Effekte durch Starspieler sind uneindeutig. Während beispielsweise Berri, Schmidt & Brook (2004)[70] schreiben, dass Starspieler nur die Zuschauerzahl des Gegners erhöhen, können Hausman & Leonard (1997)[71] signifikante Stareffekte nachweisen. Dieser Ansicht sind auch Forrest, Simmons & Burraimo (2005)[72]. Sie erwähnen aber in diesem Zusammenhang, dass das Budget oder die Gesamtlohnsumme ein viel genauerer Proxy für die Spielerqualität sind als beispielsweise die Anzahl der in einer Nationalmannschaft spielenden Spieler, da diese Nationalmannschaften möglicherweise auf sehr unterschiedlichen Niveaus spielen.

Sehr viele Studien haben, unter anderem im Zusammenhang mit der Unsicherheit auf das Resultat, den Einfluss der Position in der Tabelle auf die Zuschauerzahl untersucht. Dabei ist vor allem die Frage wichtig, ob ein Team die Meisterschaft noch gewinnen kann. Cairns (1987)[73] schliesst einen Dummy mit in die Regression ein, der besagt, ob für ein Verfolgerteam der Gewinn der Meisterschaft noch möglich ist, falls das Spitzenteam x % und das Verfolgerteam y % der noch verfügbaren Punkte gewinnt. Forrest, Simmons & Burraimo (2005)[74] kritisieren, dass die Werte für x immer sehr tief und die für y immer sehr hoch gewählt würden, wofür es keine Rechtfertigung gebe. In ihrem Paper wählen sie für x und y hohe Werte und erhalten signifikante Ergebnisse.

Ein sehr bekanntes Team verliert wegen einer sportlich wenig erfolgreichen Saison nicht viele Zuschauer oder gleich alle Sponsoren. Um dieser Beobachtung gerecht zu werden, bilden Czarnitzky & Stadtmann (2002)[75] eine Reputationsvariable, welche die Schlussklassierungen der letzen 20 Saisons enthält, diese aber weniger stark gewichten, je weiter sie zurückliegen. Sie erhalten auf diesem Weg Evidenz für einen signifikanten Zusammenhang zwischen der Reputation einer Mannschaft und der Zuschauernachfrage.

In den meisten europäischen Sportligen steigt die sportlich schlechteste Mannschaft in eine tiefere Liga ab und macht somit Platz für das beste Team aus der nächsten unteren Klasse. Noll (2002)[76] untersucht die Folgen von Auf- und Abstieg und gelangt dabei zu drei wichtigen Feststellungen: In dieser Phase verdienen die Spieler mehr als sonst und die Zuschauerzahlen reagieren positiv. Der Effekt auf die kompetitive Ausgeglichenheit bleibt unklar: Obwohl das System die Kräfteverhältnisse innerhalb der Ligen scheinbar ausgleicht, können sich viele Aufsteiger ein konkurrenzfähiges Team in ihrem (oft kurzen) Aufenthalt in der höheren Liga nicht leisten. Zu diesem Resultat gelangen auch Buzzacchi, Szymanski & Valletti (2003)[77]. Sie schreiben in ihrem umfassenden Vergleich verschiedener Ligensysteme, dass im dynamischen Sinn[78] geschlossene Ligen viel ausgeglichener sind als solche mit Auf- und Absteiger. Roy (2004)[79] weist darauf hin, dass Absteiger oft schon lange vor dem Ende der Saison feststehen, was sich im Sinne der Unsicherheitshypothese negativ auf den Zuschaueraufmarsch auswirkt, wohingegen dem Aufsteiger ein Ruhmesfaktor mit entsprechend positiven Auswirkungen zukommt.

In einigen Studien werden die Einflüsse vom Bestrafungssystem bei Regelverletzungen oder Regeländerungen auf die Attraktivität der Sportart untersucht. Da diese Resultate aber ungleich sportartspezifischer sind als die von den anderen betrachteten Einflüssen, werden sie an dieser Stelle nicht diskutiert.

2.2.5 Angebotskapazität

Die Angebotskapazität eines Sportanlasses ist durch das Stadion, in welchem er stattfindet, gegeben. Ist die gewünschte Nachfrage kleiner als die Angebotskapazität, entspricht sie dem wahren Wert. Wenn die gewünschte Nachfrage grösser ist als die Kapazität des Stadions, dann wird sie limitiert und kann somit die wahre Nachfrage nicht mehr abbilden. Folglich gibt es bei ausverkauften Matches auch keine Variation mehr in der Nachfrage durch die verschiedenen Einflüsse.

Eine Extremform beschränkter Angebotskapazität kann auch durch die Anzahl der verkauften Saisonkarten entstehen. Ist das Angebot aller Matches einer Mannschaft schon anfangs Saison durch den Saisonkartenverkauf stark reduziert oder gar nicht mehr vorhanden, dann gibt es nicht nur in einzelnen Matches, sondern über die ganze Saison keine Variation in der Nachfrage. In diesem Fall liegt eine gemeinsame Endogenität von Stadiongrösse und Zuschauerzahl vor.

Benz, Brandes & Franck (2006)[80] weisen in diesem Zusammenhang darauf hin, dass die Zuschauerzahl um die Anzahl der Saisonkarten bereinigt werden muss, um den Wert der effektiven Nachfrage, bzw. die wahre Variation in der Nachfrage zu erhalten. Ansonsten könnte eine Verzerrung entstehen, wenn die Besitzer von Saisontickets nicht jeden Match besuchen.[81]

2.3 Literatur zu den angewandten Schätzmethoden

Als statistisches Basiswerk dieser Arbeit diente Wooldridge (2003). Es ist stark auf die OLS-Regression ausgelegt, während Koenker & Basset (1978) die Grundzüge der Quantilsregression beschreiben. Buchinsky (1991) veranschaulicht vor allem die Theorie dieser Technik noch ausführlicher, während Buchinsky (1994) und Schulze (2004) verschiedene Erweiterungsmöglichkeiten und Anwendungsbereiche erläutern. Die erwähnte Literatur zur Quantilsregression ist sehr ausführlich und bietet vielfältige weiterführende Information zur Thematik.

Eine wichtige Hilfe war das Grundlagenwerk zur Datenauswertung mit dem Statistikprogramm STATA™ von Kohler & Kreuter (2005).

3 Empirisches Framework

In diesem Kapitel werden die empirischen Rahmenbedingungen besprochen. Als erstes widmet sich das folgende Unterkapitel 3.1 dem für die Schätzungen verwendeten Datensatz, während sich das Unterkapitel 3.2 den gewählten Variablen widmet und sich das Unterkapitel 3.3 auf die angewendeten Schätzmethoden konzentriert.

3.1 Der Datensatz

Allgemeine Informationen zu den verwendeten Daten finden sich im Abschnitt 3.1.1, derweil der Abschnitt 3.1.2 Auskunft über den Modus und die Teams gibt, die in der betrachteten Periode in der NLA gespielt haben.

3.1.1 Allgemeines

Der dieser Untersuchung zu Grunde liegende Datensatz beinhaltet Informationen zu 1944 Eishockeymatches in der Schweizer NLA während der Zeit von September 2000 bis April 2006.[82] Das sind sechs aufeinander folgende Saisons. Neben der Zuschauerzahl, dem Datum und der Saison gibt er Auskunft über verschiedene Proxies der Teamqualität, ökonomischen Gegebenheiten und sozioökonomischen Einflüssen.[83]

Die Grunddaten für diesen Datensatz wurden von einem Internetportal für Hockeyfans[84] zur Verfügung gestellt und beinhalteten Zuschauerzahl, Saison, Schlussresultat, Torschützen und Strafenlisten. Weitere Daten wurden den Publikationen des Sportjournalisten Klaus Zaugg[85] sowie verschiedenen Eishockeymagazinen[86] entnommen. Einige Daten wie beispielsweise Angaben über regionale Arbeitslosigkeit oder Bevölkerungsstatistiken konnten auf offiziellen Seiten des Bundes[87] eingesehen werden. Auf den Homepages der einzelnen Clubs liessen sich einige clubspezifische Informationen finden. Zudem wurden für einige clubspezifische Angaben wie Eintrittspreise oder Budgets eigens eine Umfrage[88] unter allen 15 Clubs, die während den sechs betrachteten Saisons in der NLA gespielt haben, durchgeführt. Der Rücklauf dieser Umfrage war aber trotz telefonischer Nachfrage zu klein, als dass sie hätte ausgewertet werden können.[89]

3.1.2 Der Modus und die Mannschaften

Im betrachteten Zeitraum wurde der Spielmodus auf jede Saison hin leicht hin angepasst, ein bedeutender Wechsel gab es aber nur zwei Mal. Grundsätzlich haben jeweils zwölf Mannschaften zuerst in je 44 Spielen die Qualifikationsrunde, bestehend aus je zwei Hin- und Rückrunden, ausgetragen. Die besten acht Mannschaften durften in den Playoffs spielen, die anderen in den Playouts. In den Playoffs traf die erste Mannschaft aus der Qualifikationsrunde auf die achte, die zweite auf die siebte, etc. Die Sieger dieser Viertelfinals qualifizierten sich für die Halbfinals, für die anderen Mannschaften war die Saison zu Ende. Im Halbfinal und im Final galt der gleiche Modus, sodass nach dem letzten Spiel der Meister der Saison feststand.[90] Der Modus in den Playouts war ähnlich: Die neunte Mannschaft spielte gegen die zwölfte und die zehnte gegen die elfte. Hier durfte aber der Sieger der Playoutserie die Saison beenden, die anderen mussten in einer weiteren Runde den Verlierer ausmachen, der dann in einer Ligaqualifikationsrunde gegen die beste Mannschaft aus der NLB um den letzten Platz in der NLA kämpfen musste.

Die wichtigste Änderung hat in der Saison 2003/2004 stattgefunden, als die Liga für ein Jahr lang auf 13 Mannschaften aufgestockt wurde. In jener Saison gab es in der Qualifikationsrunde für jede Mannschaft vier Spiele mehr, und insbesondere auch die Abstiegsrunde war speziell: In einer Hin- und Rückrunde mussten die Mannschaften auf den letzten fünf Plätzen nach der Qualifikationsrunde den definitiven Absteiger ermitteln. Nach dieser Saison wurde die Liga wieder auf zwölf Mannschaften reduziert.

Die Zusammenfassung des Systems zeigt auch, dass die NLA keine geschlossene Liga ist, d.h. es gibt Auf- und Absteiger. Dadurch kann die Anzahl Mannschaften sehr einfach variiert und die Liga aufgestockt oder reduziert werden. Im betrachteten Zeitraum sind die Teams immer auf Grund sportlicher Kriterien auf- oder abgestiegen. Die Tabelle 3 zeigt die Teams und somit die Auf- und Absteiger, die während den sechs Saisons mindestens ein Jahr lang in der NLA gespielt haben.

Tabelle 3: Mannschaften der NLA, Saisons 2000/2001 bis 2005/2006

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

3.2 Die Variablen

Der folgende Abschnitt 3.2.1 beschreibt die abhängige Variable und die Schätzgleichungen, während der Abschnitt 3.2.2 die unabhängigen Variablen diskutiert. Der Abschnitt 3.2.3 begründet, warum bestimmte unabhängige Variablen nicht in die Schätzgleichungen mit einbezogen werden konnten.

3.2.1 Die abhängige Variable

Die Zuschauerzahl geht als abhängige Variable Log ZUSCHAUER in die Schätzgleichung ein. Die logarithmische Form wurde gewählt, damit sich die Preiselastizität direkt berechnen lässt.[91] Um die effektive Nachfrage abschätzen zu können, müssen die Anzahl Saisonkarten von der Zuschauerzahl abgezogen werden. Leider konnten verschiedene Clubs die Anzahl verkaufter Saisonkarten früherer Jahre in der Umfrage nicht beziffern, deswegen musste darauf verzichtet werden.

Die folgenden drei Schätzgleichungen liegen der Untersuchung zu Grunde und bilden somit die drei Modelle A, B und C. Das Modell A beinhaltet 23 unabhängige Variablen, die sich wiederum den fünf verschiedenen Einflussgruppen[92] zuordnen lassen. Die zweite und die dritte Schätzgleichung kontrollieren diese 23 unabhängigen Variablen auf clubspezifische Effekte.[93]

Abbildung in dieser Leseprobe nicht enthalten

Das Modell B beinhaltet neben diesen 23 unabhängigen Variablen noch 14 weitere, clubspezifische unabhängige Variablen. Diese zeigen an, welcher Club als Heimmannschaft gespielt hat. Obwohl in der beobachteten Phase insgesamt 15 Mannschaften in der NLA gespielt haben, dürfen nur 14 Clubs mit einer Dummyvariable mit einbezogen werden, da ansonsten Multikollinearität[94] auftreten würde.

Log ZUSCHAUER = Abbildung in dieser Leseprobe nicht enthalten β i * VARIABLEi + Abbildung in dieser Leseprobe nicht enthalten β i * HEIMMANNSCHAFTi + u

(Modell B)

Die dritte Schätzgleichung formuliert das Modell C und addiert zur zweiten nochmals 14 clubspezifische, unabhängige Variablen, die anzeigen, welcher Club als Gastmannschaft gespielt hat.

Log ZUSCHAUER = Abbildung in dieser Leseprobe nicht enthalten β i * VARIABLEi + Abbildung in dieser Leseprobe nicht enthalten β i * HEIMMANNSCHAFTi

+ Abbildung in dieser Leseprobe nicht enthalten β i * GASTMANNSCHAFTi + u (Modell C)

Die Resultate aus diesen drei Modellen werden im Unterkapitel 4.2 je für OLS und für die Quantilsregression miteinander verglichen, um die Vermutung clubspezifischer Effekte zu überprüfen. Ist diese Vermutung falsch, dann wird das Modell A zur Berechnung herbeigezogen. Liegen aber tatsächlich clubspezifische Effekte vor, dann wird je nach Art dieser Effekte das Modell B oder C den vollständigen Vergleichen zwischen OLS und Quantilsregression zu Grunde liegen.

Im folgenden Abschnitt werden diese 51 unabhängigen Variablen und insbesondere ihre Berechnung genauer erläutert. Es wird auch speziell auf den Grund eingegangen, warum clubspezifische Effekte vermutet werden.

3.2.2 Die unabhängigen Variablen

Die Wahl der unabhängigen Variablen basiert einerseits der Vergleichbarkeit wegen darauf, welche Variablen in anderen Studien als wichtig eingestuft wurden. Andererseits wurden auch Variablen mit einbezogen, bei denen auf Grund der Sportart ein grosser Effekt vermutet wird. Als Beispiel für einen möglichen eishockeyspezifischen Effekt sei an dieser Stelle die Anzahl Strafminuten genannt. Drittens wurden Variablen mit einbezogen, die einen ligaspezifischen Effekt vermuten lassen, im vorliegenden Fall sind das die einzelnen Mannschaften mit clubspezifischen Effekten. Die Wahl der Variablen ist aber immer auch Ermessenssache des Autors und kann deswegen und auf Grund ihrer Unvollständigkeit kritisiert werden. Probleme durch die Wahl der Variablen tauchen erst dann auf, wenn völlig irrelevante Variablen mit einbezogen oder entscheidende Variablen vergessen werden.[95]

Neben der Erläuterung der unabhängigen Variablen und ihrer Berechnung beinhaltet dieser Abschnitt zudem drei Tabellen. Die erste beschreibt alle unabhängigen Variablen in kurzer Form, während die zweite einen Überblick über die statistischen Eckwerte aller verwendeten Daten gibt. Die dritte schliesslich widmet sich den theoretisch zu erwartenden Vorzeichen der einzelnen Schätzer.

Die folgende Tabelle beschreibt die unabhängigen Variablen in kurzer Form. Die 28 clubspezifischen Dummyvariablen werden aus Platzgründen nicht aufgeführt.

Tabelle 4: Beschreibung der unabhängigen Variablen

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

Eintrittspreis

Zur Berechnung des relevanten Eintrittspreises wurde für jede Saison und jeden Club ein gewichteter Durchschnittswert gebildet. Dabei wurden alle einzelnen Preisklassen pk mit dem Anteil an Plätzen nk in der entsprechenden Preisklasse multipliziert und mit der Stadienkapaziät n ins Verhältnis gesetzt:

Abbildung in dieser Leseprobe nicht enthalten

In den Stehplatzsektoren ist es üblich, dass die Clubs verbilligte Tickets für Jugendliche unter 16, bzw. 18 Jahren abgeben. Ihr Anteil an allen Zuschauern in diesen Bereichen wurde auf einen Drittel geschätzt.

Einige Clubs kannten sehr differenzierte Eintrittspreisstrukturen. Beispielsweise setzten diese nicht für alle Gegner dieselben Tarife;[96] für Matches mit tiefem erwartetem Zuschaueraufmarsch wurden oft kurzfristig sehr günstige Tickets für Schulklassen oder Familien verkauft. Zudem gewährten einige Anbieter vor der Saison einen Frühkaufrabatt für bestimmte Spiele. Weiter passten viele Clubs ihre Preise an, je nachdem, ob sie die Playoffs erreicht haben oder in den Playouts spielen mussten. Die Effekte solcher Differenzierungen konnten nicht erfasst werden.

Die einzelnen Werte für die Preise sind jeweils in den Hockey-Guides[97] publiziert.

Bei der Schätzung des Effektes des Preises auf die Nachfrage kann gleichzeitig die Preiselastizität berechnet werden. Diese ist gemäss folgender Formel definiert:

Abbildung in dieser Leseprobe nicht enthalten

Da für kleine Veränderungen die Approximation 100*∆log(x) ≈ %∆x gilt,[98] entspricht dies genau der Interpretation eines Schätzers in der log-log Form. Das heisst, dass sich die Preiselastizität direkt am dazu gehörenden Schätzer ablesen lässt, sofern die Variable in logarithmischer Form definiert ist. Aus diesem Grund geht der Eintrittspreis mit der Variable Log PREIS in die Schätzgleichung ein.

Budget

Die Variablen BUDGETH und BUDGETG zeigen die Budgets der Heim-, bzw. der Gastmannschaften für jede einzelne Saison. Da auch im Schweizer Profi-Eishockey ein grosser Teil des Budgets für Saläre ausgegeben werden dürfte und die Höhe des Salärs eines Spielers ein taugliches Mass für den Wert dieses Spielers ist, eignet sich das Budget, um Stareffekte abzubilden.[99]

Die Höhe der Budgets liess sich teilweise in den Hockey-Guides[100] der entsprechenden Jahre finden. Bei einigen Clubs gaben die Umfragen Auskunft darüber.[101]

Wirtschaftliche Stimmung

Die Arbeitslosigkeit ist ein möglicher Proxy für die wirtschaftliche Stimmung in einem Land oder einer Region. Deswegen wird diese in der Schätzung mit der Variable ARBEITSLOSIGKEIT abgebildet. Sie zeigt die Arbeitslosigkeitsrate für jeden einzelnen Monat in dem Kanton, in dem die entsprechende Heimmannschaft ihr Domizil hat.

Die Daten für diese Variable konnten der Homepage des Staatssekretariates für Wirtschaft[102] entnommen werden.

Einwohnerzahl

Die Variable EINWOHNER zeigt die Einwohnerzahl der Städte der jeweiligen Heimmannschaften am Stichtag 31. Dezember 2005. Sie ist ein Proxy für die Grösse des potentiellen Marktes eines Clubs. Allerdings ist die Schweiz sehr kleinräumig, sodass sich diese Räume für viele Clubs überschneiden.[103] Weiter gibt es in der NLA einige Dorfclubs, für die die Einwohnerzahl ihr Potential nur schlecht abbildet.[104] Da aber eine Einteilung nach anderen Kriterien eher willkürlich hätte erfolgen müssen und kaum bessere Eigenschaften aufgewiesen hätte, wird trotz den erwähnten Ungenauigkeiten die Einwohnerzahl der entsprechenden politischen Gemeinde verwendet.

Das Bundesamt für Statistik publiziert auf seiner Homepage die offiziellen Einwohnerzahlen aller Schweizer Ortschaften.[105]

Wochentag

Der Wochentag, an dem ein Match stattfindet, scheint eine wichtige Determinante für die Zuschauerzahl zu sein. Die Variable WERKTAG ist ein Dummy, der den Wert Eins annimmt, wenn der entsprechende Match an einem Montag, Dienstag, Mittwoch oder Donnerstag stattgefunden hat. Für die Matches an den Wochenenden – dazu zählen Freitage, Samstage und Sonntage – ist dieser Wert Null. Die Variable wurde nicht umgekehrt als Wochenendedummy spezifiziert, da rund zwei Drittel aller Matches auf das Wochenende entfallen und dies somit den Normalfall darstellt.[106]

Der Grunddatensatz beinhaltet das Datum des Matches. Daraus konnte der Wochentag hergeleitet werden.

Kosten für die Anreise

Die Opportunitätskosten für die Anreise der Fans der Gastmannschaft werden mit der Variable DISTANZ abgebildet. Diese Kosten bestehen grundsätzlich aus zwei Hauptkomponenten: Die erste sind die direkten Kosten für das Transportmittel, während die zweite aus der aufzuwendenden Zeit für die Reise besteht. Diese beiden Komponenten sind sehr stark miteinander korreliert, sodass nur eine gemessen werden muss. Deswegen misst DISTANZ die Reisezeit zwischen entsprechenden Clubs in Minuten. Da die Zuschauer mit öffentlichen sowie mit privaten Verkehrsmitteln anreisen und je nach Erreichbarkeit des Clubs das eine oder andere Verkehrsmittel sinnvoller ist, wurde das arithmetisches Mittel zwischen der Reisezeit mit der Bahn[107] und dem Auto[108] gebildet. Da die Schweizerischen Bahnunternehmen keine Preisdifferenzierungen für die verschiedenen Züge vornehmen und die Kosten für die Autobahn unabhängig von der Distanz anfallen, wurde jeweils die schnellste Strecke genommen. Dieses Vorgehen kann kritisiert werden; dem Autor ist aber keine Studie über das Reiseverhalten der Eishockeyfans bekannt, die diese Fragen beantworten würden. Hier würde sich Gelegenheit für weitere Nachforschungen bieten.

Die Tatsache, dass die Strassenverhältnisse je nach Witterungsbedingungen variieren, wird in der nächsten Variable abgebildet.

Strassenverhältnisse

Auch wenn die Eishockeysaison jeweils schon im Spätsommer beginnt und erst im Frühling zu Ende geht,[109] scheinen winterliche Strassenverhältnisse als wichtiger Entscheidungsgrund für oder gegen einen Matchbesuch zu sprechen. Dies wird mit der Variable SCHNEEMENGE untersucht. Diese Variable zeigt die Neuschneemenge in Zentimetern des Vortages und des Matchtages als arithmetisches Mittel an und wird der dem Club am nächsten gelegenen Messstelle von MeteoSchweiz entnommen.[110],[111]

Derbycharakter

Wenn ein Spiel Derbycharakter hat, dann nimmt die Dummyvariable DERBY den Wert Eins an. Die Frage, ob ein Spiel wirklich den Charakter eines Derbys aufweist oder nicht, ist aber sehr schwierig und im Rahmen dieser Untersuchung kaum abschliessend beantwortbar. Auch wenn ein Derby meist zwischen sich geografisch nahe liegenden Clubs ausgetragen wird, ist dies nach Benz, Brandes & Franck (2006a)[112] nicht immer zutreffend. Sie argumentieren, dass viel eher die historisch gewachsene Entwicklung einer speziellen Rivalität den Ausschlag dazu gibt. Diese Entwicklung wird freilich in vielen Fällen durch geografische Nähe oder durch das Bestreben der Vorherrschaft über ein bestimmtes Gebiet begünstigt. Wenn ein Derby nur durch die geografische Nähe zweier Clubs gegeben wäre, dann würden die entsprechenden Effekte schon durch die Variable DISTANZ abgebildet werden.

Gemäss dem Eishockeyjournalisten Klaus Zaugg[113] hat in der kleinräumigen Schweiz der Gebrauch des Begriffes Derby in den letzten Jahren inflationäre Tendenzen angenommen. Im Gespräch mit ihm konnten die folgenden sieben Paarungen der insgesamt genau 100 möglichen Begegnungen als Derby klassifiziert werden: HC Ambrì-Piotta – HC Lugano, SC Bern – HC Fribourg-Gottéron, SC Bern – SC Langnau Tigers, EHC Chur – HC Davos, HC Fribourg-Gottéron – HC Lausanne, HC Genève-Servette – HC Lausanne, EHC Kloten Flyers – Zürcher SC Lions.

Playoffphase

Nach einer zwei Doppelrunden andauernden Qualifikationsphase spielen die ersten acht Mannschaften in der Playoffphase um den Meistertitel.[114] Da in diesem Modus jede Mannschaft Meister werden kann, so lange wie sie noch nicht ausgeschieden ist, sind diese Spiele von besonderer Brisanz.

Die Dummyvariable PLAYOFFS nimmt den Wert Eins an, wenn ein Spiel dieser Phase der Meisterschaft angehörte. Die entsprechende Information war im Grunddatensatz enthalten.

Relegationsphase

Die Mannschaften auf den Rängen neun bis zwölf kämpften in der Playoutphase, bzw. in der Relegationsphase in der Saison 2003/2004. Der Verlierer des Playouts spielte gegen den Sieger der NLB um den letzten Platz in der NLA.[115] Gemäss Noll (2002)[116] sollte die Zuschauernachfrage in dieser Phase ansteigen. So lange wie eine Mannschaft nicht „ausgeschieden“ war, spielte sie gegen den Abstieg. Somit stand der Absteiger erst nach dem allerletzten Spiel fest, womit der durch frühzeitiges Feststehen des Absteigers ausgelöste Zuschauerschwund gemäss Roy (2004)[117] nicht eingetreten sein sollte.

Die Dummyvariable ABSTIEGSRUNDE nimmt den Wert Eins an, wenn ein Spiel dieser Phase der Meisterschaft angehörte. Die entsprechende Information war im Grunddatensatz enthalten.

Tabellenplatz

An den aktuellen Tabellenplatz einer Mannschaft während der Meisterschaftsphase sind verschiedene Erwartungen des Zuschauers geknüpft. So spielt eine Mannschaft, die sich im Ranking weiter vorne befindet, besseres und mit einer bestimmten Wahrscheinlichkeit auch attraktiveres Eishockey.

Der Tabellenplatz geht mit den beiden Variablen RANGH für die Heimmannschaft und RANGG für die Gastmannschaft in die Regressionsgleichung ein. Dabei handelt es sich immer um den Rang, den eine Mannschaft gemäss erzielten Punkten pro Match vor dem entsprechenden Spiel belegte. Dies ist insofern wichtig, als es in der NLA faktisch keine eigentlichen Spielrunden gab.[118] So hatten beispielsweise während der Saison 2000/2001 mit Ausnahme der ersten und letzten Runde der Qualifikationsphase nur zweimal alle Clubs gleich viele Spiele absolviert.

Diese Ranglisten konnten aus den einzelnen Resultaten im Grunddatensatz berechnet werden.

Sportliche Reputation einer Mannschaft

Die beiden Variablen REPUTATIONH und REPUTATIONG für die sportliche Reputation der Heim- und Gastmannschaft wurde nach dem folgenden Vorschlag von Czarnitzki & Stadtmann (2002)[119] gebildet:

Abbildung in dieser Leseprobe nicht enthalten

Dabei stellt m die Anzahl Mannschaften in der Liga und x den Schlussrang in der Meisterschaft vor t Jahren dar. Wenn eine Mannschaft in einer bestimmten Saison nicht in der NLA gespielt hat, nimmt der Summand des entsprechenden Jahres den Wert Null an. Das Ranking wird mit der Wurzel der Anzahl Jahre t, das es zurückliegt, gewogen. Damit wird dem degressiv abwertenden Effekt der Zeit Rechnung getragen.

Bei der Berechnung dieser Variable waren das Werk von Eggenberger & Benoit (1994)[120] und Zaugg (2006b)[121] wichtige Quellen.

Siegesserien

Wenn eine Mannschaft mehrere Male hintereinander gewinnt, dann wird ihre Fangemeinde von einer kurzfristigen Euphorie ergriffen und die Mannschaft in weiteren Spielen durch ihr gewonnenes Selbstvertrauen beflügelt. Dadurch, so darf erwartet werden, reagiert die Zuschauerzahl entsprechend positiv auf eine Siegesserie. Anders als in früheren Arbeiten gehen die Variablen SERIEH und SERIEG für die Siegesserien der Heim- und Gastmannschaften nicht als Dummy für eine bestimmte Anzahl Siege in die Regression ein, sondern als genauer Wert. Damit sollen Zufälligkeiten vermieden und den Effekten sehr langer Siegesserien Rechnung getragen werden. Die Berechnung erfolgte auf Grund von Informationen im Grunddatensatz.

Aufsteigermannschaften

Aufsteigermannschaften im Schweizer Eishockey sind in dreierlei Hinsicht speziell. Einerseits haftet ihnen das Image einer Siegermannschaft an, aber andererseits sind sie in vielen Fällen in der NLA noch wenig bekannte Neulinge. Ausserdem wurde der Aufstiegsmatch meistens erst nach dem Playofffinal der NLA ausgetragen. Somit konnte sich der allfällige Aufsteiger erst sehr spät im Frühling eine schlagkräftige NLA-Mannschaft zusammenstellen und fand deswegen oft einen ausgetrockneten Transfermarkt vor.

Die Dummyvariablen AUFSTEIGERH und AUFSTEIGERG nehmen den Wert Eins an, wenn die Heim-, bzw. Gastmannschaft zum Ende der letzten Saison in die NLA aufgestiegen ist. Die entsprechende Information konnte aus dem Grunddatensatz und aus Zaugg (2000)[122] entnommen werden.

Strafen

Die Eishockeyregeln kennen viele verschiedene Arten von Strafen.[123] Die beiden Variablen STRAFENH und STRAFENG zeigen die durchschnittliche Strafdauer der Heim-, bzw. Gastmannschaft pro Spiel, gemessen vor dem entsprechenden Match. Die zehn Minuten andauernden Disziplinarstrafen und Spieldauerdisziplinarstrafen wurden dabei nicht mit eingerechnet, da in diesen Fällen die bestrafte Mannschaft nicht in Unterzahl spielen musste. Allerdings gibt es auch bei den beiden berücksichtigten Zwei- und Fünfminutenstrafen vereinzelte Situationen, bei denen beide Mannschaften vollzählig weiterspielen dürfen. Zudem muss bei einer Fünfminutenstrafe die in Unterzahl spielende Mannschaft bei einem erhaltenen Tor bis zum Ende der Strafe weiterhin mit einem Spieler weniger spielen, was bei einer Zweiminutenstrafe nicht der Fall ist. Diese beiden Einschränkungen konnten nicht berücksichtigt werden.

Die Information über Strafen war im Grunddatensatz enthalten.

Unsicherheit über das Resultat

Die Diskussion der diesbezüglichen Literatur hat gezeigt, dass der ex-anten Unsicherheit über das Resultat theoretisch eine wichtige Bedeutung zukommt, die empirisch aber nur in wenigen Fällen nachgewiesen werden kann. Der vorliegenden Untersuchung liegt ein sehr einfach zu berechnendes Mass für die Unsicherheit zu Grunde:

UOOH,G =│ PpSH - PpSG

Dabei beziehen sich PpSH und PpSG auf die vor dem entsprechenden Match erzielten Punkte pro Spiel für die Heim-, bzw. Gastmannschaft. Die Variable UOO steht für eine Abkürzung von Uncertainty Of Outcome. Die Differenz wird als Betrag gemessen, damit nicht die Effekte aus der Wahrscheinlichkeit eines Erfolges der Heimmannschaft, sondern die Unsicherheit über das Resultat gemessen wird.[124] Der einfacheren Lesbarkeit wegen werden die Superskripte für die Heim- und Gastmannschaften der Unsicherheitsvariable in der Folge weggelassen. Der Nachteil dieser sehr einfachen Formel liegt darin, dass der Heimvorteil nicht mit einbezogen wird. In über 55% aller Begegnungen in der beobachteten Periode gingen die Heimmannschaften als Sieger vom Eis.

Diese Unsicherheitsvariable kann folgendermassen interpretiert werden: Je grösser ihr Wert, desto weniger unsicher ist der Ausgang eines Spiels. Ein ex-ante perfekt ausgeglichener Match sollte zu einem UOO -Wert von Null führen.

Um die Resultate mit anderen Studien vergleichen zu können, wurde zudem das Unsicherheitsmass quadriert und als Variable UOOSQ in die Schätzgleichung aufgenommen. Sie zeigt, ob der Zusammenhang zwischen der Unsicherheit und der Zuschauerzahl konkav, monoton oder konvex ist.

Clubspezifische Effekte

Die der NLA angehörenden Clubs sind in vieler Hinsicht sehr heterogener Natur. Beispielsweise erfreute sich der SC Bern des höchsten Zuschaueraufmarsches unter allen europäischen Eishockeymannschaften.[125] Dieser Aufmarsch war in der beobachteten Periode fast doppelt so hoch wie der der Zürcher SC Lions und mehr als dreimal so hoch wie der aller restlichen Clubs in der NLA.[126] Die oben spezifizierten unabhängigen Variablen vermögen diese Tatsache kaum auf vernünftige Art abzubilden, da der SC Bern jeweils auch als Gastmannschaft sehr viele Zuschauer angezogen hat.

Weiter gibt es starke, historisch gewachsene Unterschiede zwischen den Clubs. Die Zürcher SC Lions, damals noch als Zürcher SC auftretend, gehörten zusammen mit dem HC Davos in den Anfängen des 20. Jahrhunderts zu den Gründerclubs der Liga. Letztere konnten seither den Meistertitel insgesamt schon 27 Mal gewinnen, während dieser Erfolg einigen anderen Clubs noch nie beschieden war.[127] Die EHC Kloten Flyers spielten in den vergangenen 35 Jahren als einzige aller Mannschaften ununterbrochen in der höchsten Liga.[128]

Der HC Davos spielt jedes Jahr als einzige Schweizer Mannschaft beim prestigeträchtigen Spengler-Cup mit. Dabei erlebt dieser Club immer wieder einen Popularitätsschub in der ganzen Schweiz. Da Davos aber sehr peripher gelegen ist, füllt er die Stadien an Gastspielen öfters als bei Heimspielen.[129]

Die Fans der SC Langnau Tigers gelten als die treusten der Schweiz. So konnten sie in der Saison 1993/1994, als sie vorübergehend in einer drittklassigen Regionalliga spielen mussten, einen höheren Zuschaueraufmarsch verzeichnen als jedes Team in der NLB und als einige in der NLA in der gleichen Spielperiode.[130]

Zudem ist beispielsweise die Variable AUFSTEIGER ohne den Einschluss der clubspezifischen Effekte stark einseitig beeinflusst von den drei Aufsteigermannschaften in der beobachteten Periode.[131]

Weiter sind ganz offensichtlich die Opportunitäten für Stadtclubs ungleich höher als bei Landvereinen. So findet in Basel häufig parallel zum Eishockeyspiel ein Konzert oder sonst ein Grossanlass statt. Die Zürcher SC Lions tragen Heimspiele in sehr unregelmässigen Abständen und oft zu Randzeiten aus, da sie im multifunktionalen Hallenstadion als Mieter keine Vorrechte besitzen.

[...]


[1] Rottenberg (1956).

[2] Sanderson & Siegfried (2006), S. 594.

[3] Rottenberg (1956), S. 254.

[4] Unter einem Monopson versteht man in der Arbeitsmarkttheorie eine besondere Form des Monopols, bei dem nur ein Nachfrager (Liga als Arbeitgeber) vielen Anbietern (Spieler als Arbeitnehmer) gegenüber steht. Vgl. Frank (2002), S. 527.

[5] In der englischsprachigen Literatur der Sportökonomie wird „competitive balance“ als stehender Begriff verwendet. Dieser wird in dieser Arbeit mit kompetitver Ausgeglichenheit übersetzt.

[6] Rottenberg (1956), S. 247.

[7] Vgl. Forrest, Simmons & Buraimo (2005), S. 659.

[8] Vgl. beispielsweise Sanderson & Siegfried (2003). Sie diskutieren in diesem Zusammenhang unter anderem Gesamtlohnsummen- und Einzellohnsummenbeschränkungen und Luxussteuern.

[9] Vgl. Sanderson (2002), S. 225.

[10] Vgl. beispielsweise Fort (2005), 349. Allerdings gibt es auch vereinzelte Autoren, die in der Diskussion um kompetitive Ausgeglichenheit ein verstecktes Argument für Verstösse für Wettbewerbsverzerrungen und gegen die Kartellgesetzgebung sehen (vgl. z.B. Zimbalist (2002), S. 119-120.

[11] S. 486.

[12] S. 1182.

[13] S. 3.

[14] Im vorliegenden Fall ergeben sich Zensierungen durch beschränkte Stadienkapazitäten.

[15] S. 3.

[16] Eine ausführliche Beschreibung dieser Methode findet sich in Kapitel 3.3.2.

[17] Unter Profis (Professionals) versteht man Berufssportler, die mit der Ausübung ihrer Aktivität direkt oder indirekt zumindest ein solches Einkommen generieren, das ihnen das Existenzminimum während der Dauer ihrer sportlichen Laufbahn sichert. Vgl. Roy (2004), S. 5.

[18] Obwohl auch in der Nationalliga B einige Profis mitspielen, beschränkt sich diese Untersuchung auf die NLA in den sechs Saisons von 2000/2001 bis 2005/2006. Die NLB hat sich in den vergangenen Jahren zu einer Ausbildungsliga mit sehr vielen jungen Spielern entwickelt, in der neben den zwölf Clubs auch die U20-Nationalmannschaft mitspielt. Vgl. Zaugg (2006b), S. 158.

[19] S. 2.

[20] S. 4.

[21] Die unteren Ausreisserwerte sind kleiner als x[25] - 1.5*Interquartilabstand, die oberen grösser als x[75] + 1.5*Interquartilabstand.

[22] Vgl. Abbildung 7 im Anhang.

[23] Roy (2004), S. 1.

[24] Einen umfassenden Überblick über entsprechende Literatur geben Borland & Macdonald (2003), Szymanski (2003) und Sanderson & Siegfried (2006).

[25] Borland & Macdonald (2003), S 485-487. Allerdings unterscheiden einige Autoren wie beispielsweise Krautmann & Hadley (2006), S. 287, nur zwischen intra- und intersaisonaler Unsicherheit.

[26] In der NHL wird diesem Problem insofern Rechnung getragen, als die Clubs nach jeder Saison in umgekehrter Reihenfolge zur Rangliste zuerst die Junioren nach ihrer Wahl für sich verpflichten können (http://www.nhl.com/futures/drafthistory.html).

[27] S. 174-176.

[28] S. 496-497.

[29] Dabei handelt es sich um Jones & Ferguson (1988).

[30] Das könnte möglicherweise daran liegen, dass in der wichtigsten und umsatzstärksten Eishockeyliga der Welt, der NHL, die meisten Matches ausverkauft sind und somit fast keine Variation in der Nachfrage festgestellt werden kann. Vgl. http://www.nhl.com.

[31] Vgl. Abschnitt 3.3.1.

[32] Nur Daten von sechs der 18 Teams der Liga wurden in die Untersuchung mit einbezogen.

[33] S. 25 und S. 27.

[34] Wenn die gewünschte Variable nicht oder nur schwer beobachtbar ist, dann kann sie durch eine ähnliche Variable, eine so genannte Proxyvariable, abgebildet werden.

[35] S. 304-306.

[36] S. 183.

[37] Vgl. Roy (2004), S. 4.

[38] S. 57.

[39] S. 480-483.

[40] S. 480-483.

[41] S. 481.

[42] Vgl. Borland & Macdonald (2003), S. 490.

[43] S. 489.

[44] Vgl. beispielsweise Winfree et al., (2004), S. 2121.

[45] Vgl. Borland & Macdonald (2003), S. 489.

[46] Zu den indirekten Kosten können beispielsweise die Wetterverhältnisse bei der Anreise zum Spiel gezählt werden.

[47] Vgl. Borland & Macdonald (2003), S. 489.

[48] S. 9.

[49] S. 345 und S. 350.

[50] Rottenberg (1956), S. 246, beschreibt Mannschaften als regionale Monopole, die stark von der Grösse des potentiellen Marktes abhängen. Viele Studien jüngeren Datums können dies empirisch bestätigen.

[51] Unter indirekten Substituten können andere Sport- oder Unterhaltungsanlässe wie Konzerte oder Kinofilme verstanden werden.

[52] Vgl. beispielsweise Carmichael, Millington & Simmons (1999), S. 800 oder García & Rodríguez (2002), S. 25.

[53] S. 487.

[54] Eine gemeinsame Endogenität liegt dann vor, wenn der Entscheid für oder gegen eine TV-Übertragung von den gleichen Determinanten abhängt wie die Zuschauerzahl an sich.

[55] S. 488.

[56] S. 659.

[57] Vgl. Unterkapitel 2.1.

[58] S. 488.

[59] Zudem finden Forrest, Simmons & Szymanski (2004), S. 263-264, Evidenz dafür, dass im Fussball in England die Einnahmen aus TV-Übertragungen höher sind als die Verluste durch entgangene Eintritte.

[60] Benz, Brandes & Franck (2006), S. 25 und 27, finden beispielsweise einen signifikant negativen Effekt von Arbeitslosigkeit auf die Nachfrage.

[61] S. 481.

[62] Vgl. beispielsweise Depken (2001) S. 282, McDonald & Rascher (2000), S. 24, oder Coates & Humphreys (2003), S. 17.

[63] Darunter versteht man die stark positive aber abnehmende Wirkung eines neuen Stadions auf die Zuschauerzahl in den ersten Jahren nach dem Bau. Vgl. dazu beispielsweise McEvoy et al. (2005), S. 35, oder Clapp & Hakes (2005), S. 237.

[64] Vgl. Borland & Macdonald (2003), S. 488.

[65] Vgl. beispielsweise Benz, Brandes & Franck (2006), S. 25.

[66] Vgl. beispielsweise Carmichael, Millington & Simmons (1999), S. 799, oder Forrest & Simmons (2006), S. 58.

[67] Vgl. Kapitel 2.1.

[68] S.482. Ihnen zufolge gibt es leicht grössere Evidenz für positive Einflüsse mittel- und langfristiger Unsicherheit über das Resultat auf die Nachfrage.

[69] Sie präsentieren dazu mehrere Studien, u. A. Wilson & Sim (1995).

[70] S. 45-46.

[71] S. 623-624.

[72] S. 657.

[73] S. 274.

[74] S. 647.

[75] S. 104-105.

[76] S. 169.

[77] S. 182-183.

[78] Vgl. Unterkapitel 2.1.

[79] S. 61.

[80] S. 9.

[81] Allerdings finden Feehan, Forrest & Simmons (2003) Evidenz in der Premier League (Fussball-Profiliga in England) dafür, dass Saisonkartenbesitzer fast jeden Match besuchen. Vgl. dazu Benz, Brandes & Frank (2006), S. 9.

[82] Die ersten beiden Matches jeder Saison wurden nicht in die Untersuchung miteinbezogen, um alle Werte für diejenigen Variablen zu erhalten, die sich auf eine Situation vor dem Match beziehen. Somit waren es 1872 Matches, die tatsächlich ausgewertet wurden.

[83] Eine ausführliche Beschreibung der verwendeten Variablen findet sich im Abschnitt 3.2.2 und eine einfache Auflistung aller im Datensatz vorkommenden Variablen in der Tabelle 43 im Anhang.

[84] http://www.hockeyfans.ch. Der Dank gebührt Herrn Christian Wassmer.

[85] Zaugg (2000, 2001, 2002, 2003, 2004, 2005, 2006a).

[86] Dazu gehören Eggenberger & Benoit (1994), Keel (2003) und Zaugg (2006b).

[87] http://www.bfs.admin.ch, bzw. http://www.seco.admin.ch.

[88] Vgl. Abbildung 9 im Anhang.

[89] Die Verantwortlichen vom HC Ambrì-Piotta, EHC Basel, SC Bern, EHC Kloten Flyers, HC Lugano und von den Zürcher SC Lions haben die Umfrage mit vollständigen Angaben retourniert. Die Manager folgender Clubs wollten keine Angaben machen: EHC Chur, HC Davos, HC Fribourg-Gottéron, HC Genève-Servette, HC La Chaux-de-Fonds, HC Lausanne, SC Langnau, SC Rapperswil-Jona Lakers und EV Zug.

[90] In den Viertelfinals und in den Halbfinals galt der Best-of-Seven-Modus. Das bedeutet, dass die Mannschaft, die zuerst vier Spiele gewonnen hatte, sich für die nächste Runde qualifizieren konnte. In den Finals galt in der Saison 2003/2004 Best-of-Five, sonst immer Best-of-Seven.

[91] Vgl. Abschnitt 3.2.2 und Unterkapitel 4.4.

[92] Vgl. Unterkapitel 2.2.

[93] Die Gründe für dieses Vorgehen werden im Abschnitt 3.2.2 eingehend erläutert und im Unterkapitel 4.2 überprüft.

[94] Wenn kein Dummy der 14 Mannschaften eins anzeigt, dann heisst das automatisch, dass der 15. Club spielt. Würden alle 15 Mannschaften mit einem Dummy einbezogen, wäre das Modell überspezifiziert und es entstünde Multikollinearität.

[95] Der erste Fall löst ungewünschte Effekte auf die Varianzen der einzelnen Schätzer aus, während der zweite eine Verzerrung der ganzen Schätzung verursacht (Omitted Variable Bias). Vgl. Wooldridge (2003), S. 89-93.

[96] Die SC Langnau Tigers beispielsweise erhöhten in einigen Saisons ihre Ticketpreise um über 10%, wenn sie den Kantonsrivalen SC Bern zu Gast hatten. Vgl. Zaugg (2001), S. 70.

[97] Vgl. Zaugg (2000, 2001, 2002, 2003, 2004, 2005, 2006a).

[98] Für die Herleitung dieser Approximation vgl. Wooldridge (2003), S. 685-686.

[99] Vgl. Abschnitt 2.2.2.

[100] Vgl. Zaugg (2000, 2001, 2002, 2003, 2004, 2005, 2006a).

[101] Der SC Bern verwies darin auf Schätzungen auf http://www.hockeyfans.ch.

[102] http.//www.seco.admin.ch/themen/zahlen/arbeit/index.html.

[103] Vgl. dazu Abbildung 8 im Anhang.

[104] Die Ortschaft Ambrì-Piotta des gleichnamigen Hockeyclubs beispielsweise gehört zusammen mit vier anderen Weilern zur politischen Gemeinde Quinto mit insgesamt etwas mehr als 1000 Einwohnern in der abgelegenen Leventina des Kantons Tessin.

[105] http.//www.bfs.admin.ch/bfs/portal/de/index/themen/01/02/blank/dos/result.html.

[106] Vgl. Tabelle 5.

[107] http://www.sbb.ch.

[108] http://www.finaroute.ch.

[109] In der beobachteten Periode war der Saisonbeginn meistens am zweiten Septemberwochenende. Die Saison dauerte jeweils bis Mitte April.

[110] Diese Dienstleistung wurde von MeteoSchweiz, dem Bundesamt für Meteorologie und Klimatologie, zur Verfügung gestellt. Den einzelnen Clubs wurden folgende Messstationen zugeordnet: HC Ambrì-Piotta: Piotta; EHC Basel: Basel-Binningen; SC Bern: Bern / Zollikofen; EHC Chur: Chur; HC Davos: Davos-Dorf; HC Fribourg-Gottéron: Bern / Zollikofen; HC Genève-Servette: Genève-Cointrin; EHC Kloten Flyers: Zürich MeteoSchweiz; HC La Chaux-de-Fonds: La Chaux-de-Fonds; SC Langnau Tigers: Bern / Zollikofen; HC Lausanne: Genève-Cointrin; HC Lugano: Lugano; SC Rapperswil-Jona Lakers: Zürich MeteoSchweiz; Zürcher SC Lions: Zürich Meteoschweiz; EV Zug: Luzern.

[111] Die Abbildung 8 im Anhang zeigt, dass die Clubs sehr weit auseinander liegen und eine entsprechende Differenzierung notwendig ist.

[112] S. 13.

[113] Telefongespräch, geführt am 18. Dezember 2006.

[114] Vgl. Abschnitt 3.1.2.

[115] Vgl. Abschnitt 3.1.2.

[116] S. 169.

[117] S. 69.

[118] Dies hat seine Hauptursache darin, dass die Zürich SC Lions im multifunktionalen Hallenstadion spielen. Sie müssen wegen anderen Veranstaltungen oft ihre Spiele verschieben.

[119] S. 105. Um die Wichtigkeit der sportlichen Reputation einer Mannschaft zu unterstreichen, zitieren sie auf der gleichen Seite ein bekanntes Sprichwort von Fussballfans: „You can change your girlfriend, but you can never change your favourite footballteam.“

[120] S. 140-146.

[121] S. 144-145 und S. 150-151.

[122] S. 178.

[123] Vgl. http://www.sehv.ch

[124] Vgl. entsprechende Diskussion im Unterkapitel 2.1.

[125] Zaugg (2006a), S. 36. In der Saison 2005/2006 betrug der Zuschauerdurchschnitt 15561.

[126] Zuschauerdurchschnitte in den beobachteten sechs Saisons: SC Bern: 13430, Zürcher SC Lions: 7744, restliche Clubs: 4268.

[127] Zaugg (2006a), S. 209.

[128] Vgl. Zaugg (2006a), S. 76.

[129] Vgl. Zaugg (2006a), S. 39

[130] Zaugg (2006a), S. 106.

[131] Aufsteigermannschaften waren der EHC Basel (zweimal), der HC Lausanne und der HC Genève-Servette. Vgl. dazu Tabelle 3.

Ende der Leseprobe aus 120 Seiten

Details

Titel
Was treibt die Zuschauernachfrage im Schweizer Profi Eishockey?
Untertitel
Eine empirische Analyse anhand Quantilsregression und OLS
Hochschule
Universität Zürich
Veranstaltung
Volkswirtschaftslehre; Sportökonomie
Note
1.00
Autor
Jahr
2007
Seiten
120
Katalognummer
V179650
ISBN (eBook)
9783656019695
ISBN (Buch)
9783656020226
Dateigröße
1647 KB
Sprache
Deutsch
Schlagworte
Sportökonomie, Zuschauernachfrage, Eishockey, Gleichheit, Quantilsregression, Zuschauer, Sport
Arbeit zitieren
Martin Koller (Autor), 2007, Was treibt die Zuschauernachfrage im Schweizer Profi Eishockey?, München, GRIN Verlag, https://www.grin.com/document/179650

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Was treibt die Zuschauernachfrage im Schweizer Profi Eishockey?


Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden