Ирина Петровна Курочкина - доктор экономических наук, доцент, профессор
Ярославль
Irina P. Kurochkina - Dr. Sci. (Economics), Associate Professor
Yaroslavl
Людмила Александровна Маматова - кандидат экономических наук, доцент
Ярославль
Ludmila A. Mamatova - Cand. Sci. (Economics), Associate Professor
Yaroslavl
Елена Борисовна Шувалова - доктор экономических наук, профессор
Москва
Elena B. Shuvalova - Dr. Sci. (Economics), Professor
Moscow
Наталия Александровна Малышева - экономист, магистр
Ярославль
Natalya A. Malysheva - Economist, master’s degree
Yaroslavl
Цель исследования. Целью исследования является использование методов корреляционно-регрессионного анализа как инструмента, позволяющего определить справедливую долю заработной платы профессионального хоккеиста в совокупном зарплатном бюджете хоккейного клуба. В современных условиях функционирования профессиональных хоккейных клубов, при которых совокупные расходы на зарплату игроков жестко регламентированы «потолком зарплат», наличие инструмента, позволяющего объективно оценить вклад игрока в общекомандный результат, может повысить эффективность принимаемых управленческих решений. В данной работе предложена регрессионная модель, позволяющая определить, какое влияние оказывают индивидуальные характеристики игроков, на примере защитников команды, на долю их заработной платы в потолке зарплат.Материалы и методы. Для выбора модели множественной регрессии были проанализированы статистические показатели защитников Национальной хоккейной лиги в сезоне 2018–2019 гг. На содержательном этапе построения модели определен перечень тех статистических показателей, которые, на наш взгляд, позволяют сделать вывод о полезности того или иного игрока для команды, а также удовлетворяют требованиям для факторов, подлежащих включению в модель множественной линейной регрессии (количественная оценка, тесная связь с результатом, отсутствие мультиколлинеарности). С целью получения наиболее качественной регрессионной модели был использован апостериорный подход в отборе факторов, которые должны быть включены в окончательную версию регрессионной модели. В результате поэтапного отбора факторов из модели исключены факторы, значения t-статистики которых позволили сделать вывод по их статистической незначимости.Результаты. В результате была получена статистически значимая модель, описывающая зависимость доли заработной платы в потолке заработных плат сезона 2018–2019 гг. Сравнив рассчитанные с помощью полученной модели доли зарплат и фактические их значения, удалось определить наиболее переоцененных и недооцененных защитников Национальной хоккейной лиги в сезоне 2018–2019 гг.Заключение. Предложенная регрессионная модель на базе хоккейной статистикой позволяет количественно оценить оптимальность ценообразования контракта профессионального хоккеиста. На наш взгляд, такая модель является доступным инструментом управленческого анализа, позволяющим дать адекватную оценку величины контракта профессионального хоккеиста и помочь в решении одной из наиболее актуальных проблем в спортивном менеджменте – формировании конкурентоспособного состава команд при наличии ограничения в виде потолка заработных плат.
The purpose of the study. The aim of the study is to use the methods of correlation-regression analysis as a tool to determine the fair share of a professional hockey player’s salary in the total salary budget of a hockey club. In modern conditions of functioning of professional hockey clubs, in which the total costs of the players’ salaries are strictly regulated by the “salary cap”, the availability of a tool that allows an objective assessment of the player’s contribution to the overall team result can increase the effectiveness of management decisions. In this paper, a regression model is proposed that allows us to determine the impact of individual characteristics of players, using the example of team defensemen, on the share of their wages in the salary cap.Materials and methods. To select a multiple regression model, the statistical indicators of the defensemen of the National Hockey League in the 2018-2019 season were analyzed. At the substantive stage to design a model, a list of those statistical indicators was determined that, in our opinion, allow us to conclude above that a particular player is useful for the team, and also meet the requirements for factors to be included in the multiple linear regression model (quantitative assessment, close relationship with the result, lack of multicollinearity). In order to obtain the highest quality regression model, a posteriori approach was used in the selection of factors that should be included in the final version of the regression model. As a result of the step-by-step selection of factors, the factors were excluded from the model, t-statistics’ values of which made it possible to draw a conclusion on their statistical insignificance.Results. As a result, a statistically significant model was obtained that describes the dependence of the share of wages in the salary cap of the 2018-2019 season. Comparing the salary shares predicted using the obtained model and their actual values, it was possible to determine the most overrated and underestimated defensemen of the National Hockey League in the 2018-2019 season.Conclusion. The proposed regression model is an example of how econometric methods combined with hockey statistics allow us to quantify the pricing patterns of a professional hockey player’s contract. In our opinion, the obtained model of multiple linear regression is an affordable tool that allows us to give an adequate assessment of the value of a professional hockey player’s contract and help in solving one of the most urgent tasks in sports management – the formation of a competitive team in the presence of a salary cap.
The authors declare that there are no conflicts of interest present.