Sunteți pe pagina 1din 6

Prognoza clasamentului final al Ligii 1 la fotbal din România

cu ajutorul modelării matematice

Având în vedere faptul că pe data de 3 august 2020 va trebui transmisă la UEFA lista echipelor
care ne vor reprezenta în Europa, este foarte probabil ca ultimele două etape din play-off să nu
se mai dispute.
Pornind de la această posibilitatea, am realizat o prognoză pentru finalul de campionat în ceea
ce privește Clasamentul final al Ligii 1 de fotbal din România.
Datele au fost colectate de pe următoarele două site-uri:
https://en.wikipedia.org/wiki/2019%E2%80%9320_Liga_I#Positions_by_round și https://lpf.ro/liga-1

Variabila prognozată este locul ocupat de către fiecare echipa din playoff-ul Ligii 1. Deoarece
varabila modelată este dihotomică, întrucât ia numai valori întregi, între 1 și 6, am utilizat un
model de regresie liniară logistică ”logit model”.
Modelul ”logit” modelează o funcție care nu este continuă (variabila dependentă) în funcție de
alți factori care o modelează (variabilele independente).
Modelul matematic utilizat este:

 Y 
log   X
 1Y 

 Y  X
 e
 1 Y 

Y   1 Y   eX 

Y  e X   e X  Y

Y  e X  Y  eX 

 1 e  Y  e
X X

eX 
Y
 1 eX  
unde,

 Y= locul în clasament
 X =etapa din playoff
  parametrul modelului de regresie

Graficul următor ne indică locul în clasament al fiecărei echipe din playoff și trendul estimat prin
modelul Logit.
Figura 1. Locul în clasament și estimarea trendului rezultat din analiza econometrică.

0
0 2 4 6 8 10 12

CFR Cluj Logarithmic (CFR Cluj)


Univ. Craiova Logarithmic (Univ. Craiova)
Linear (Univ. Craiova) Botoșani
Logarithmic (Botoșani) FCSB
Logarithmic (FCSB) Logarithmic (FCSB)
Gaz Metan Mediaș Logarithmic (Gaz Metan Mediaș)
Astra Giurgiu Logarithmic (Astra Giurgiu)
Linear (Astra Giurgiu) Logarithmic (Astra Giurgiu)

Analiza econometrică a fost efectuată cu ajutorul softului SPSS 23, iar rezultatele sunt în anexă.
Conform rezultatelor din tabelele anexate, se poate observa faptul că modelele econometrice
sunt semnificative statistic (Sig. < 0,05) la un nivel de semnificație de 95%. De asemenea,
parametrii estimați ai modelului de regresie (β) sunt semnificativi statistic pentru nivel de
semnificație de 95%.
Astfel, pornind de la estimările ecuațiilor de regresie Logit, putem estima locul în clasament
pentru cele 6 protagoniste la finalul campionatului.

Tabelul 1. Locul în clasament estimat la finalul campionatului, an competițional 2019-2020


Univ.
CFR Cluj Astra FCSB Botosani Gaz Metan
Etapa Craiova
10 1,05 2,27 2,40 4,24 5,44 6,07
Sursa: Rezultate calculate de către autor cu ajutorul softului SPSS 23
Având în vedere că variabila dependentă ia valori întregi, valorile estimate au fost rotunjite la
întregul cel mai apropiat, ținându-se cont și de faptul că două echipe nu pot termina pe același
loc.
Tabelul 2. Locul în clasament estimat și rotunjit la finalul campionatului, an competițional 2019-
2020

CFR Univ.
Astra FCSB Botosani Gaz Metan
Etapa Cluj Craiova
10 1 2 3 4 5 6
Sursa: Rezultate calculate de către autor cu ajutorul softului SPSS 23
Astfel, conform analizei econometrice, campioana la final de sezon ar fi CFR Cluj, următoarele
locuri urmând a fi ocupate, în ordine, de către Universitatea Craiova, Astra, FCSB, Botoșani și
Gaz Metan Mediaș.
Trebuie însă precizat faptul că în această analiză nu au fost luați în considerare factori externi,
care ar putea influența decisiv clasamentul final. Aceștia ar fi: numărul de jucători indisponibili,
starea de spirit la echipa (la CFR de ex. antrenorul este infectat cu COVID 19), dar mai ales
faptul că pentru unele echipe ultimele două etape nu mai prezintă mare interes, având în
vedere că locurile de Europa League sunt deja stabilite.

Lector univ. dr. Mihail Bușu


Facultatea de Administrare a Afacerilor cu predare în limbi străine
Academia de Studii Economice
București
Anexă. Rezultatele analizei econometrice
1. Variabila dependentă: CFR
Parameter Estimates

Parameter Estimate Std. Error Z Sig. 95% Confidence Interval

Lower Bound Upper Bound

Etapa 2,6965 ,475 2,199 ,042 ,484 ,593


LOGITa
Intercept -0,714 ,886 2,309 ,007 1,233 1,423

a. LOGIT model: LOGIT(p) = Intercept + BX

Chi-Square Tests

Chi-Square dfb Sig.

LOGIT Pearson Goodness-of-Fit Test 2,207 3 ,006a

Since the significance level is lower than ,150, heterogeneity factors are used in the calculation of confidence limits.
b. Statistics based on individual cases differ from statistics based on aggregated cases.

2. Variabila dependentă: Craiova


Parameter Estimates

Parameter Estimate Std. Error Z Sig. 95% Confidence Interval

Lower Bound Upper Bound

Etapa 2,8214 ,275 1,199 ,047 ,567 ,765


LOGITa
Intercept -0,2382 ,886 2,309 ,008 1,456 1,609

a. LOGIT model: LOGIT(p) = Intercept + BX

Chi-Square Tests

Chi-Square dfb Sig.

LOGIT Pearson Goodness-of-Fit Test 3,324 3 ,000a

Since the significance level is lower than ,150, heterogeneity factors are used in the calculation of confidence limits.
b. Statistics based on individual cases differ from statistics based on aggregated cases.

3. Variabila dependentă: Astra


Parameter Estimates

Parameter Estimate Std. Error Z Sig. 95% Confidence Interval

Lower Bound Upper Bound

Etapa 5,5788 ,775 2,879 ,002 -,484 ,593


LOGITa
Intercept -1,379 ,886 3,309 ,000 1,190 2,123

a. LOGIT model: LOGIT(p) = Intercept + BX


Chi-Square Tests

Chi-Square dfb Sig.

LOGIT Pearson Goodness-of-Fit Test 3,214 3 ,000a

a. Since the significance level is lower than ,150, heterogeneity factors are used in the calculation of confidence limits.
b. Statistics based on individual cases differ from statistics based on aggregated cases.

4. Variabila dependentă: FCSB


Parameter Estimates

Parameter Estimate Std. Error Z Sig. 95% Confidence Interval

Lower Bound Upper Bound

Etapa 0,6142 ,275 3,283 ,000 ,356 ,478


LOGITa
Intercept 2,8234 ,886 3,484 ,000 1,185 1,916

a. LOGIT model: LOGIT(p) = Intercept + BX

Chi-Square Tests

Chi-Square dfb Sig.

LOGIT Pearson Goodness-of-Fit Test 4,207 3 ,000a

Since the significance level is lower than ,150, heterogeneity factors are used in the calculation of confidence limits
b. Statistics based on individual cases differ from statistics based on aggregated cases.

5. Variabila dependentă: FC Botoșani


Parameter Estimates

Parameter Estimate Std. Error Z Sig. 95% Confidence Interval

Lower Bound Upper Bound

Etapa 3,9023 ,275 4,278 ,000 ,546 ,648


LOGITa
Intercept 0,6668 ,886 4,786 ,000 1,154 1,603

a. LOGIT model: LOGIT(p) = Intercept + BX

Chi-Square Tests

Chi-Square dfb Sig.

LOGIT Pearson Goodness-of-Fit Test 3,216 3 ,000a

Since the significance level is lower than ,150, heterogeneity factors are used in the calculation of confidence limits
b. Statistics based on individual cases differ from statistics based on aggregated cases.

6. Variabila dependentă: Gaz Metan


Parameter Estimates

Parameter Estimate Std. Error Z Sig. 95% Confidence Interval


Lower Bound Upper Bound

Etapa 0,338 ,275 ,199 ,842 ,495 ,605


LOGITa
Intercept 5,2895 ,886 -,309 ,757 1,230 2,604

a. LOGIT model: LOGIT(p) = Intercept + BX

Chi-Square Tests

Chi-Square dfb Sig.

LOGIT Pearson Goodness-of-Fit Test 3,207 3 ,000a

a. Since the significance level is lower than ,150, heterogeneity factors are used in the calculation of confidence limits.
b. Statistics based on individual cases differ from statistics based on aggregated cases.